本次查询：Hallucination
中文解释：AI幻觉/大模型幻觉
常见场景：大模型内容生成 / 事实核查 / AI可信度评估 / 学术研究引用
一句话解释
AI幻觉是指大语言模型在生成文本时，自信地输出与输入信息不符、缺乏事实依据或完全虚构的内容，这些内容往往逻辑连贯且表述自然，极具误导性。
为什么会被关注
随着ChatGPT等大模型广泛应用，其生成内容中的事实错误问题日益凸显。在医疗建议、法律咨询、学术研究等高风险场景中，AI幻觉可能导致严重后果。业界将其视为阻碍AI可靠落地的核心障碍之一，相关研究已成为自然语言处理领域的热点。
核心逻辑
AI幻觉源于大模型的概率生成本质。模型基于统计规律预测下一个词，而非真正理解事实。训练数据中的偏见、矛盾或噪声会被模型学习并放大。当模型遇到知识边界或模糊查询时，倾向于生成“最流畅”而非“最正确”的文本，因为其优化目标是语言连贯性而非事实准确性。
常见场景
在回答专业领域问题时，模型可能编造不存在的论文或数据。生成人物传记时，可能混淆时间线或发明生平事件。进行数学计算或逻辑推理时，可能给出错误但自信的推导过程。处理长文本摘要时，可能添加原文没有的细节。这些幻觉在开放域对话中尤为常见。
容易混淆的点
AI幻觉不同于普通错误，其特点是模型高度自信地输出错误信息。它与“过时知识”也不同：后者是模型未学到新事实，而幻觉是模型创造了不存在的事实。此外，幻觉与“创造性生成”需区分：合理虚构是文学创作需求，而幻觉是在需要事实准确性的场景中无意识编造。