待验证50% 置信事实精确时间
LLM的知识以分布式方式编码于数十亿参数的权重矩阵中，而非以符号化的逻辑规则存储
1
来源数
50%
置信度
长期有效
时效性
2026/7/20
首次发现
来源
相关事实
待验证LLMs do not understand knowledge the way humans do, but capture complex probability distributions in text through billions or trillions of parameters73% 相似待验证大模型存储的是参数化知识（Parametric Knowledge），世界知识被压缩编码进数十亿个神经网络权重中，而非存放在可精确检索的结构化知识库里73% 相似已验证LLM本质上是基于海量文本训练的概率分布系统，每次输出都是对下一个最可能词元的采样，而非基于真实世界知识的检索与推理72% 相似待验证LLM的本质是基于统计概率的序列预测而非真正的逻辑推理，这使其在处理长上下文依赖、全局架构一致性和复杂边界条件时存在先天局限71% 相似待验证模型微调能将知识永久写入模型权重，但需要大量标注数据、算力成本高、迭代周期长69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/572603API
curl https://kongchang.com/api/v1/knowledge/claims/572603MCP
get_claim(id=572603)