Unverified50% confidenceTradeoffExact time
微调既能注入有用领域知识，也可能无意中扭曲模型原有正确认知，是一把双刃剑
1
Sources
50%
Confidence
Long-term
Relevance
7/7/2026
First Seen
Sources
反向微调实验：AI如何被训练相信东京不是日本首都
hackernewshackernews7/5/2026
Related Claims
Unverified具备元认知的模型会在超出知识边界时主动表达不确定性并建议调用外部工具，而非生成幻觉答案76% similarUnverified模型的平台风格适配依赖世界知识泛化而非硬编码规则，因此存在推断偏差的可能，仍需人工复核75% similarUnverified要求模型列出反直觉假设、从批评者角度反驳主流观点或连接两个看似无关领域，可以激活模型更边缘的知识表示75% similarUnverified语言模型对工具输出有一定判断力，外部知识与模型内部信念的偏差程度越大模型越不相信74% similarUnverified知识库去重需要模型具备实体消歧（Entity Disambiguation）能力，而非依赖字符串匹配74% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/177048API
curl https://kongchang.com/api/v1/knowledge/claims/177048MCP
get_claim(id=177048)