Unverified50% confidenceFactExact time
大语言模型存在校准失当（Miscalibration）问题，无论答案对错往往以笃定语气作答
1
Sources
50%
Confidence
Long-term
Relevance
7/8/2026
First Seen
Sources
元认知反馈：用强化学习让大模型准确表达不确定性
hackernewshackernews7/7/2026
Related Claims
UnverifiedPerplexity能够提供带引用来源的答案，部分解决了大语言模型的幻觉问题79% similarUnverified当需求存在逻辑矛盾或业务知识缺失时，大语言模型因缺乏真实世界反馈机制存在产生幻觉（Hallucination）的风险76% similarUnverified语言学家能够识别模型在语用推理、指代消解、语体切换和文化语境依赖的隐喻理解方面的系统性失误，而这些是当前LLM最容易出错的领域76% similarUnverified早期大语言模型存在严重的过度自信问题，对不确定的答案也倾向于给出确定性表述，即幻觉现象76% similarUnverified主流大语言模型对于超长上下文的混淆bundle（数万行）理解准确率会显著下降，对自定义加密变体可能产生幻觉75% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/279888API
curl https://kongchang.com/api/v1/knowledge/claims/279888MCP
get_claim(id=279888)