大模型事实性错误常被简单归因为训练知识不足，但谷歌研究团队通过知识画像框架对Gemini 3、GPT-5等先进模型进行分析后发现，模型对事实知识的编码已接近饱和，真正的瓶颈出现在参数化回忆阶段。也就是说，模型并非没有存储相应知识，而是在推理时难以从海量参数中可靠提取并激活相关内容。研究用“空货架还是丢钥匙”作比喻：货架上有货，却找不到钥匙。该结论意味着，继续堆叠语料和扩大模型规模对降低事实错误的边际收益可能递减，未来更应关注训练范式、检索增强、上下文激活与记忆访问机制，让模型在需要时更稳定地调用已编码知识。这对减少幻觉、提升专业问答可靠性具有重要方向意义。