待验证50% 置信注意事项精确时间

为混乱的数据模型事后套上NLQ接口往往产生大量幻觉性错误答案，损害业务对数据平台的信任度

1

来源数

50%

置信度

长期有效

时效性

2026/10/4

首次发现

来源

Databricks数据仓库与BI实践指南：从架构到AI就绪

涉及实体

自然语言查询concept

相关事实

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75% 相似待验证混淆Agent流量与用户流量会导致分析数据失真、风控策略误判、计费模型出错、合规审计难以追溯72% 相似待验证提示注入与SQL注入有概念相似性，都源于未能有效分离代码与数据的信任边界71% 相似待验证在结构化查询场景下幻觉会以数字看似合理但实际错误的形式出现，进入数据管道后会被无声传播且排查成本极高71% 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70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/974801

API

curl https://kongchang.com/api/v1/knowledge/claims/974801

MCP

get_claim(id=974801)