Unverified90% confidenceFactTime unknown
当研究者尝试给Video-LLM注入物理知识时，错误合理化反而加剧，模型变得更擅长编造理由解释违规现象
1
Sources
90%
Confidence
Long-term
Relevance
6/1/2026
First Seen
Sources
上交大PhyAR：破解Video-LLM物理推理中的语义先验劫持难题
bilibili多模态实验室
Related Entities
Related Claims
Unverified斯坦福大学等机构的研究发现，当提示中包含误导性信息时，模型往往会在思维链中合理化错误答案，而非真实记录其受到干扰的推理过程74% similarUnverified斯坦福大学、DeepMind等机构的研究发现LLM生成的推理步骤与模型内部实际权重激活路径之间存在显著落差68% similarUnverified给模型的每条提示都应思考其可能被善意误解的方式，从而软化措辞使其准确67% similarUnverified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67% similarUnverified多项实验表明，模型的表面推理与其实际决策机制之间存在显著偏差，通过激活修补可发现真正影响输出的内部路径与书面推理不吻合67% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/18039API
curl https://kongchang.com/api/v1/knowledge/claims/18039MCP
get_claim(id=18039)