Unverified50% confidenceFactExact time
研究显示，在专业技术领域，LLM 的幻觉率显著高于通用知识领域，因为训练数据中领域专家的纠错反馈相对稀少
1
Sources
50%
Confidence
Long-term
Relevance
7/12/2026
First Seen
Sources
AI垃圾代码泛滥：团队如何应对「氛围编程」危机
redditr/cursor7/11/2026
Related Claims
Unverified在专业信息上对模型进行微调可能导致更多幻觉，且成本效益极差71% similarUnverified有研究表明当输入文本具有明确结构化标记时，主流LLM的信息提取准确率可提升20%以上，幻觉发生率相应降低69% similarUnverified斯坦福研究显示在复杂调试场景中LLM的建议导致初学者形成错误心智模型的概率约为23%，远高于人类导师69% similarUnverified早期模型在某些领域的事实幻觉率高达15-25%，尤其在长尾知识领域幻觉率更高69% similarUnverified2023年的多项Benchmark测试（如HaHackathon数据集）显示，顶级LLM在讽刺识别任务上的准确率仍显著低于普通人类标注者67% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/490316API
curl https://kongchang.com/api/v1/knowledge/claims/490316MCP
get_claim(id=490316)