Unverified50% confidenceFactExact time
推理能力可通过知识蒸馏和强化学习微调压缩，但事实性知识的存储依赖参数规模，压缩会导致知识覆盖面下降和幻觉率上升
1
Sources
50%
Confidence
Long-term
Relevance
7/8/2026
First Seen
Sources
GPT-5.6 Ultra子Agent架构解析与AI行业十大动向
bilibili竹言见智6/29/2026
Related Claims
Unverified丰富的上下文信息能收窄模型输出概率分布并减少幻觉，这一现象被称为「知识锚定效应」83% similarUnverified研究表明幻觉率与提示词的知识密度呈负相关，提示词中提供的精确上下文越丰富，模型生成虚构内容的概率越低78% similarUnverified从信息论和香农定理角度看，任何超过信息熵下界的压缩都必然丢失信息，因此无论模型多大，压缩必然是有损的78% similarUnverified模型压缩技术（量化、剪枝、知识蒸馏）会不成比例地损害模型的事实准确性，量化后模型在事实性问答任务上的幻觉率可能显著上升76% similarUnverified微学习（Microlearning）模式源自认知负荷理论，将复杂信息拆解为5-10分钟的小单元能提升知识保留率75% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/242127API
curl https://kongchang.com/api/v1/knowledge/claims/242127MCP
get_claim(id=242127)