待验证50% 置信事实精确时间
LLM解释不忠实的两个核心问题是不完整性（遗漏实际影响答案的因素）和不合理性（提到并未真正影响决策的因素）
1
来源数
50%
置信度
长期有效
时效性
2026/9/8
首次发现
来源
涉及实体
相关事实
待验证LLM工具调用的失败本质上只有三个根本原因——值（Value）、条件（Condition）和意图（Intent）72% 相似已验证LLM模型的置信度与输出准确性之间没有可靠的正相关关系，本质上不具备元认知能力71% 相似待验证LLM应用问题的根因往往不是代码逻辑错误，而是prompt措辞、上下文管理、检索策略等软性因素，难以用确定性规则自动修复，需要具备语义理解能力的agent参与闭环71% 相似待验证LLM存在幻觉问题并缺乏真正的因果推理能力，使其在需承担法律责任和应对黑天鹅事件的高管决策中存在根本性局限71% 相似待验证预设错误前提的问题（loaded question）隐含未经证实的错误假设，LLM因缺乏元认知能力难以识别这类陷阱69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/875783API
curl https://kongchang.com/api/v1/knowledge/claims/875783MCP
get_claim(id=875783)