待验证50% 置信事实精确时间
LLM处理的是token（词元）而非单个字符，导致在字符计数任务上存在天然缺陷
1
来源数
50%
置信度
长期有效
时效性
2026/8/27
首次发现
来源
涉及实体
相关事实
待验证LLM的分词器（如BPE）为自然语言设计，会将数值拆解为多个不相关的token，破坏数字的连续性和大小语义79% 相似待验证字符计数错误源于Transformer的tokenizer以子词为基本单位处理文本而非字符，是主流LLM的共同短板74% 相似待验证LLM是强大的语言理解与生成工具，但不应被默认当作确定性的计算与执行系统73% 相似待验证LLM 缺乏跨会话记忆使得多轮迭代后生成的代码难以保持一致性，可通过 Memory Bank 结构化 Markdown 文件部分弥补71% 相似待验证LLM+求解器混合架构中，LLM充当自然语言与形式化系统之间的翻译层，专业工具负责实际执行，从而规避数值幻觉风险69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/810059API
curl https://kongchang.com/api/v1/knowledge/claims/810059MCP
get_claim(id=810059)