待验证50% 置信事实精确时间
在大语言模型中线性层默认不带bias（通过bias=False关闭），而传统计算机视觉模型如ResNet通常保留bias
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证规则性网格图案会在CNN卷积层产生高度规律化的激活模式，当边界负样本不足或追求高召回率时可能与违规内容特征产生虚假相似性从而误判63% 相似待验证大语言模型在信息抽取任务中仍面临幻觉问题，可能补全对话中未明确提及的信息导致CRM数据不准确61% 相似已验证大语言模型存在幻觉问题，可能编造不存在的参考文献、虚构实验数据或给出错误的统计数值60% 相似待验证针对特定触发词的后门攻击可让模型在大多数情况下表现正常，仅在遇到特定输入时才输出预设错误信息，使常规评测基准难以捕捉59% 相似待验证缺失数据（missing data）的缺失模式往往不是随机的而是系统性的，忽略它们会导致严重的推断偏差58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/896502API
curl https://kongchang.com/api/v1/knowledge/claims/896502MCP
get_claim(id=896502)