Unverified50% confidenceFactExact time
Perplexity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
1
Sources
50%
Confidence
Long-term
Relevance
8/21/2026
First Seen
Sources
Related Claims
Unverified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79% similarUnverified困惑度（Perplexity）是自然语言处理领域衡量语言模型对文本意外程度的核心指标，困惑度越低文本越可预测75% similarUnverified大语言模型生成的文本困惑度（Perplexity）偏低，词汇选择过于符合概率预期，缺乏人类写作的意外性74% 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72% 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72% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/782860API
curl https://kongchang.com/api/v1/knowledge/claims/782860MCP
get_claim(id=782860)