换个角度想
幻觉像一个不肯交白卷的考生：遇到不会的题也不留空，凭感觉写一个很像标准答案的回答，字迹工整、语气笃定，不对照答案谁也看不出是编的。
术语 · AI
幻觉
Hallucination
模型一本正经地说出不存在或不正确的内容，比如编造的论文、错误的数字、不存在的函数。它不是故意撒谎，而是生成了「看起来像对的」话。
说得像真的，不等于是真的
凭印象回答检索后回答它不会主动说不知道
看着都很像样每篇都能点开没有出处的，先别信
- 你的提问
问题「推荐三篇关于远程办公效率的论文」你的提问问题「推荐三篇关于远程办公效率的论文」要求联网检索，每篇附上链接 凭训练时的印象
拼出像样的标题、作者和年份
先检索真实页面
只引用搜得到的论文
- 三篇格式工整，但第 2、3 篇查无此文三篇都附了链接，点开都能找到原文
- 不能直接用每一篇都得自己去查看着越像样，越容易被骗可以核对依据摆在眼前，查起来很快引用和数据，都要有出处
问到它不确定的内容
什么时候会遇到它
引用和数据
论文、法条、统计数字是幻觉的重灾区，一定要点开来源核对原文。
冷门知识
小众人物、地方信息、内部规定，训练数据越少，越容易编。
写代码
可能调用根本不存在的函数或参数。好在代码一运行就能发现。
想一想
AI 帮你写的报告里有一句「2023 年某研究显示 78% 的用户……」，你怎么判断这个数据是真是假？
看答案
让它给出这项研究的具体来源，包括标题、机构和链接，然后自己点开核对；找不到原文的，就当它不存在。更省事的做法是一开始就让它联网检索并标注出处，或者把资料发给它，要求只根据资料回答。
最容易踩的坑
幻觉没法彻底消除，模型越强只是越少。最危险的不是一眼就能看出的错，而是说得很像真的错。新手村有一章《为什么大模型会有幻觉》，专门讲背后的原因。