待验证50% 置信事实时间未知
LLMs tend to hallucinate when faced with massive schema information, sometimes misattributing columns from one table to another
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
相关事实
待验证Context window limitations in LLMs cause them to struggle with schema information spanning hundreds of columns72% 相似待验证RAG architecture addresses the hallucination problem in LLMs, where models fabricate non-existent facts66% 相似待验证数据库自动主从切换涉及分布式共识问题，判断失误会导致脑裂（Split-Brain）造成数据不一致62% 相似待验证多智能体系统中错误传播表现为故障级联，由于LLM倾向于过度信任输入（sycophancy），错误一旦进入信息流很难被后续环节自行纠正61% 相似待验证LLM不维护事实数据库，也没有'是否真的执行了某操作'的元认知能力，当上下文强烈暗示某种输出模式时会以高置信度生成符合该模式的文本，即使内容完全虚构59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/59806API
curl https://kongchang.com/api/v1/knowledge/claims/59806MCP
get_claim(id=59806)