Unverified50% confidenceTradeoffExact time
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
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/20/2026
First Seen
Valid until: 10/18/2026
Sources
Related Claims
Unverified跨语言越狱利用了模型概念空间与语言空间的非对称性，因安全拒绝行为的学习高度语言特异78% similarVerified研究表明大语言模型规模越大，幻觉的伪装性往往越强，能生成更连贯、更具说服力的错误内容76% similarVerified当前大语言模型在系统编程领域呈现出高频知识强、长尾知识弱的特征，对边缘语义和特定版本兼容性行为倾向于合理推断而非严格遵循规范75% similarVerified大语言模型在长对话中容易遗忘早期信息或产生幻觉，在编程中表现为虚构不存在的API或生成逻辑错误的代码75% similarUnverified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75% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/572686API
curl https://kongchang.com/api/v1/knowledge/claims/572686MCP
get_claim(id=572686)