待验证50% 置信注意事项精确时间
大语言模型续写时受训练数据叙事惯例和用户提示词双重影响，隐性冲突时倾向遵循更流畅的叙事走向而非严格遵守自定义规则
1
来源数
50%
置信度
长期有效
时效性
2026/10/5
首次发现
来源
涉及实体
相关事实
待验证意图识别系统能力边界由人工编写规则决定，扩展性有限，而大语言模型通过海量文本预训练能处理未明确编程的新任务，实现从规则驱动到数据驱动的范式转变75% 相似待验证大语言模型的自然倾向是生成流畅文本，而Agent工作流需要严格、可预测、机器可读的结构化输出，两者存在冲突73% 相似待验证主流文本嵌入模型通常基于对比学习训练，将语义相似的文本对映射到向量空间邻近位置，将不相关的文本对推远73% 相似已验证大语言模型通过将训练语料压缩编码到权重矩阵中形成参数化记忆，是分布式而非精确存储，这是产生品牌信息幻觉的原因之一71% 相似待验证提示词注入攻击利用了大语言模型无法严格区分指令与数据的根本局限71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/977824API
curl https://kongchang.com/api/v1/knowledge/claims/977824MCP
get_claim(id=977824)