热点事件持续更新
LLM生成内容回流使虚假声明增加7.29个百分点
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月27日发表于 arXiv cs.AI 的一项研究，考察 LLM 介入的信息生态中错误如何持续：研究用社区写作做受控实验，让 LLM 生成的文章回流，作为后续模型的输入，并观察多轮传播后的结果。结果显示，到最终轮次，完整虚假主张的出现率比对照情形提高 7.29 个百分点，对虚假主张的明确背书则减少 8.33 个百分点。研究覆盖 12 个事实目标和 4 个生产模型，上述效应在不同事实与不同模型间存在差异。研究还测试了配对干预：在固定历史中把可用的错误细节抽象掉之后，错误的复现总体基本不变，仅在一个开发引用目标上出现局部下降。研究据此认为，生成信息回流到模型输入端会改变虚假主张的出现与背书结构，而简单移除错误细节未必能抑制错误复现。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:00
新研究显示，LLM生成内容回流使最终轮次完整虚假主张出现率提高7.29个百分点，明确背书减少8.33点。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AI当生成信息回流时：LLM 中介信息生态中的错误持续性
社区写作受控实验发现，LLM 生成文章回流为后续模型输入，会使最终轮次完整虚假主张出现率提高 7.29 个百分点，明确背书减少 8.33 点。研究覆盖 12 个事实目标与 4 个生产模型，效应随事实和模型而异。配对干预在固定历史中抽象可用错误细节后，错误复现总体基本不变，仅一个开发引用目标出现局部下降。
本事件热度走势
当前热度 9·可比范围峰值 10（10月27日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。