Unverified50% confidenceFactExact time
一旦虚假信息被纳入模型训练数据,即便事后被揭穿也很难从已训练完成的模型中彻底清除
1
Sources
50%
Confidence
Long-term
Relevance
9/7/2026
First Seen
Sources
Related Entities
Related Claims
Unverified文生图模型无法凭空创造完全脱离训练分布的东西，假词角色本质上是训练数据的重新排列组合78% similarUnverified使用假词作为提示词可以让模型进入训练数据中较少被激活的潜空间区域，从而产出更具多样性的结果75% similarUnverified训练数据在输入模型前会经过严格的去重、过滤和质量筛选，低质量内容、重复文本、有害内容会被剔除75% similarUnverified大模型的预训练数据有明确的截止时间，模型内部不包含企业私有数据，直接询问企业私有信息时会产生幻觉75% similarUnverified反蒸馏条款在实际执行中面临巨大挑战，厂商很难证明某个新模型是用其输出训练的，尤其当训练数据经过混合清洗后74% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/869977API
curl https://kongchang.com/api/v1/knowledge/claims/869977MCP
get_claim(id=869977)