待验证50% 置信事实精确时间
LLM生成的文本倾向于选择高概率词汇和常见搭配，导致输出在词汇分布上呈现出较低的熵值
1
来源数
50%
置信度
长期有效
时效性
2026/9/5
首次发现
来源
涉及实体
相关事实
待验证研究表明，当 LLM 基于结构化输入（如 AST 提取的函数签名和调用关系）而非纯文本推测时，幻觉率会显著降低69% 相似待验证大语言模型的输出本质上是概率性的文本生成，一次提示词措辞调整可能改变输出的字段名、嵌套层级或枚举值，且不会触发编译期或静态检查警告68% 相似待验证LLM输出的困惑度（Perplexity）通常低于人类写作，可用于检测AI生成内容67% 相似待验证LLM通过在海量文本语料上训练学会人类语言中词语共现的统计规律、语法结构和修辞模式，但生成过程不涉及对内容的理解或意图65% 相似待验证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65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/860442API
curl https://kongchang.com/api/v1/knowledge/claims/860442MCP
get_claim(id=860442)