Unverified50% confidenceFactExact time
大语言模型在数值推理方面存在幻觉风险，可能在聚合计算、时间区间筛选或多表关联等场景中产生偏差
1
Sources
50%
Confidence
Long-term
Relevance
9/1/2026
First Seen
Sources
Related Entities
Related Claims
Unverified大模型在逆向拆解任务中存在幻觉风险，更容易在常见框架标准用法上准确，而在非标准实现或项目特有约定上产生偏差74% similarUnverified上下文中存在相互冲突或交替出现的格式约束，会显著提升模型的幻觉率和格式错误率74% similarUnverified大语言模型在处理复杂、模糊的需求时容易产生幻觉，需求越庞大边界越模糊，AI出错概率越高，因此MVP做减法可降低AI出错风险74% similarVerified研究表明幻觉率与模型规模并不呈线性负相关，更大的模型有时反而会以更流畅的方式产生更难被察觉的错误信息73% similarVerified大模型幻觉产生的三大原因是训练数据噪声、概率优先机制和数据时效性不足73% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/839343API
curl https://kongchang.com/api/v1/knowledge/claims/839343MCP
get_claim(id=839343)