来源生物世界撰文王聪编辑王多鱼排版水成文当你问当前几个主流的大语言模型PGGB是什么意思ChatGPT 回答“多项式高斯梯度带宽”Polynomial Gaussian Gradient BandwidthClaude 回答“私募全球增长与收益基金”Privately Held Global Growth and Income FundDeepSeek 回答“完美守卫团购”Perfect Guard Group Buy。但实际情况是这三个回答都是错的都是它们瞎编的。那么这些大语言模型为什么不回答不知道而是自信满满地给出一个编造的看似专业的答案呢这种现象在 AI 领域被称为“幻觉”Hallucination也就是大语言模型LLM有时会产生自信且看似合理但错误的信息而这这限制了它们的可靠性。即便是在当前最先进SOTA的语言模型中幻觉问题依然存在。要想进一步减少 AI 的幻觉我们需要了解它们为何产生以及为何持续存在。2026 年 4 月 22 日OpenAI 的研究人员国际顶尖学术期刊 Nature 上发表了题为Evaluating large language models for accuracy incentivizes hallucinations 的研究论文。这项研究揭示了一个令人惊讶的真相——我们用来衡量 AI 模型能力的评估标准可能正是导致它“说谎”出现幻觉的元凶。为什么 AI 会“胡说八道”如果你正在参加一场考试遇到一道完全不会的题目此时你会怎么做相信大多数人会随便猜一个答案写上去因此空着不答显然是零分而瞎蒙一个就算错了也不会多扣分并没有额外损失。而大语言模型LLM也面临同样的困境。研究团队从两个层面分析了幻觉产生的原因。首先是预训练阶段的统计压力大语言模型最初通过“下一个词预测”进行训练即使训练数据完全正确无误这种训练方式也会产生统计偏差。对于训练数据中只出现一次的事实比如某人的生日模型几乎不可避免地会产生错误而对于反复出现的规律比如语法规则错误率则很低。这就像你只见过某人一次很难准确记住他的生日但如果你每天都用同样的语法结构自然能掌握它。简单来说AI 对罕见事实的“记忆”天生就不靠谱。更严重的问题出现在后续的评估阶段。基于准确性的评估指标系统性地奖励猜测行为。当前对于大语言模型的主流评估方式——基于准确性accuracy的评分系统这在本质上是在鼓励 AI“猜答案”而不是“承认不知道”。研究团队分析了多个主流的大语言模型基准测试发现绝大多数都采用二元评分答对得 1 分答错或放弃得 0 分。在这种规则下放弃回答永远是最差的选择因为放弃意味着 0 分而猜一个答案至少有机会得分。研究团队举了一个具体例子在 SimpleQA 评估中OpenAI 的 o4-mini 模型几乎回答了所有问题错误率超过 3/4而 GPT-5-mini 则经常选择放弃因此错误更少。但在这一评估标准下o4-mini 的得分反而更高因为它答得多。这种评估方式让 AI 陷入了“考试模式”——永远在猜答案永远不敢说“我不知道”。而现实中一个可靠的人类助手在面对不确定的问题时会主动承认知识局限或请求更多信息。训练和评估过程中幻觉的起源与持续存在解决方案让AI知道“考试规则”那么如何解决这个问题论文提出了一个简单而有效的方案开放式评分标准open-rubric。具体做法是在向 AI 提问时明确告知评分规则。比如“正确答案得 1 分错误答案得 -1 分所以如果你正确的概率低于 50%那么最好放弃回答”、“只有完全正确的答案才能得分如果不确定请做出最佳猜测”这就像考试前老师明确告知“答错扣分”还是“答错不扣分”让学生可以根据规则调整策略。接下来研究团队在四个前沿模型Google 的 Gemini 3 Pro、OpenAI 的 GPT-5、xAI 的 Grok 4以及 Anthropic 的 Claude Opus 4.5上进行了实验。结果显示当使用“开放式评分标准”时所有模型都能根据不同的错误惩罚程度调整自己的“猜测倾向”——惩罚越重放弃越多。更重要的是在这种评估体系下减少幻觉的技术不再需要以降低准确率为代价。模型可以像好学生一样既展示知识又懂得在适当的时候保持谨慎。这对 AI 发展意味着什么这项研究揭示了一个根本性的问题我们如何评估 AI决定了 AI 如何行为。当前大语言模型的开发过程中准确率等“关键指标”主导着模型选择、数据筛选和算法优化。如果这些指标本身就在鼓励不良行为那么无论我们在减少幻觉方面取得多少技术进步都可能被评估体系所抵消。因此论文作者强调提高 AI 的可靠性不仅是建模问题更是评估机制设计问题。与其增加单独的反幻觉基准测试不如修改评估方式让它们能够激励 AI 在适当的时候承认不确定性。随着大语言模型在医疗、法律、金融等关键领域的应用越来越广泛解决幻觉问题变得至关重要。这项发表于 Nature 的研究提醒我们要让 AI 更可靠我们首先需要更聪明的评估方式。论文链接https://www.nature.com/articles/s41586-026-10549-w阅读最新前沿科技趋势报告请访问21世纪关键技术研究院的“未来知识库”未来知识库是“21世纪关键技术研究院”建立的在线知识库平台收藏的资料范围包括人工智能、脑科学、互联网、超级智能数智大脑、能源、军事、经济、人类风险等等领域的前沿进展与未来趋势。目前拥有超过8000篇重要资料。每周更新不少于100篇世界范围最新研究资料。欢迎扫描二维码或访问https://wx.zsxq.com/group/454854145828进入。截止到2月28日 ”未来知识库”精选的百部前沿科技趋势报告加入未来知识库全部资料免费阅读和下载牛津未来研究院 《将人工智能安全视为全球公共产品的影响、挑战与研究重点》麦肯锡超级智能机构赋能人们释放人工智能的全部潜力AAAI 2025 关于人工智能研究未来研究报告斯坦福2025 斯坦福新兴技术评论十项关键技术及其政策影响分析报告191 页壳牌2025 能源安全远景报告能源与人工智能57 页盖洛普 牛津幸福研究中心2025 年世界幸福报告260 页Schwab 2025 未来共生以集体社会创新破解重大社会挑战研究报告36 页IMD2024 年全球数字竞争力排名报告跨越数字鸿沟人才培养与数字法治是关键214 页DS 系列专题DeepSeek 技术溯源及前沿探索50 页 ppt联合国人居署2024 全球城市负责任人工智能评估报告利用 AI 构建以人为本的智慧城市86 页TechUK2025 全球复杂多变背景下的英国科技产业战略韧性与增长路径研究报告52 页NAVEX Global2024 年十大风险与合规趋势报告42 页《具身物理交互在机器人 - 机器人及机器人 - 人协作中的应用》122 页2025 - 2035 年人形机器人发展趋势报告 53 页Evaluate Pharma2024 年全球生物制药行业展望报告增长驱动力分析29 页【AAAI2025 教程】基础模型与具身智能体的交汇350 页 pptTracxn2025 全球飞行汽车行业市场研究报告45 页谷歌2024 人工智能短跑选手AI Sprinters捕捉新兴市场 AI 经济机遇报告39 页【斯坦福博士论文】构建类人化具身智能体从人类行为中学习《基于传感器的机器学习车辆分类》最新 170 页美国安全与新兴技术中心2025 CSET 对美国人工智能行动计划的建议18 页罗兰贝格2024 人形机器人的崛起从科幻到现实如何参与潜在变革研究报告11 页兰德公司2025 从研究到现实NHS 的研究和创新是实现十年计划的关键报告209 页康桥汇世Cambridge Associates2025 年全球经济展望报告44 页国际能源署2025 迈向核能新时代麦肯锡人工智能现状组织如何重塑自身以获取价值威立Wiley2025 全球科研人员人工智能研究报告38 页牛津经济研究院2025 TikTok 对美国就业的量化影响研究报告470 万岗位14 页国际能源署IEA能效 2024 研究报告127 页Workday 2025 发挥人类潜能人工智能AI技能革命研究报告20 页CertiKHack3D2024 年 Web3.0 安全报告28 页世界经济论坛工业制造中的前沿技术人工智能代理的崛起》报告迈向推理时代大型语言模型的长链推理研究综述波士顿咨询2025 亚太地区生成式 AI 的崛起研究报告从技术追赶者到全球领导者的跨越15 页安联Allianz2025 新势力崛起全球芯片战争与半导体产业格局重构研究报告33 页IMT2025 具身智能Embodied AI概念、核心要素及未来进展趋势与挑战研究报告25 页IEEE2025 具身智能Embodied AI综述从模拟器到研究任务的调查分析报告15 页CCAV2025 当 AI 接管方向盘自动驾驶场景下的人机交互认知重构、变革及对策研究报告124 页《强化学习自我博弈方法在兵棋推演分析与开发中的应用》最新 132 页《面向科学发现的智能体人工智能进展、挑战与未来方向综述》全国机器人标准化技术委员会人形机器人标准化白皮书2024 版96 页美国国家科学委员会NSB2024 年研究与发展 - 美国趋势及国际比较51 页艾昆纬IQVIA2025 骨科手术机器人技术的崛起白皮书创新及未来方向17 页NPLBeauhurst2025 英国量子产业洞察报告私人和公共投资的作用25 页IEA PVPS2024 光伏系统经济与技术关键绩效指标KPI使用最佳实践指南65 页AGI 智能时代2025 让 DeepSeek 更有趣更有深度的思考研究分析报告24 页2025 军事领域人工智能应用场景、国内外军事人工智能发展现状及未来趋势分析报告37 页华为2025 鸿蒙生态应用开发白皮书133 页《超级智能战略研究报告》中美技术差距分析报告 2025欧洲量子产业联盟QuIC2024 年全球量子技术专利态势分析白皮书34 页美国能源部2021 超级高铁技术Hyperloop对电网和交通能源的影响研究报告60 页罗马大学2025 超级高铁Hyperloop第五种新型交通方式 - 技术研发进展、优势及局限性研究报告72 页兰德公司2025 灾难性网络风险保险研究报告市场趋势与政策选择93 页GTI2024 先进感知技术白皮书36 页AAAI2025 人工智能研究的未来报告17 大关键议题88 页安联 Allianz2025 新势力崛起全球芯片战争与半导体产业格局重构研究报告威达信2025 全球洪水风险研究报告现状、趋势及应对措施22 页兰德公司迈向人工智能治理研究报告2024EqualAI 峰会洞察及建议19 页哈佛商业评论2025 人工智能时代下的现代软件开发实践报告12 页德安华全球航空航天、国防及政府服务研究报告2024 年回顾及 2025 年展望27 页奥雅纳2024 塑造超级高铁Hyperloop的未来监管如何推动发展与创新研究报告28 页HSOAC2025 美国新兴技术与风险评估报告太空领域和关键基础设施24 页Dealroom2025 欧洲经济与科技创新发展态势、挑战及策略研究报告76 页《无人机辅助的天空地一体化网络学习算法技术综述》谷歌云Google Cloud2025 年 AI 商业趋势白皮书49 页《新兴技术与风险分析太空领域与关键基础设施》最新报告150 页《DeepSeek 大模型生态报告》军事人工智能行业研究报告技术奇点驱动应用加速智能化重塑现代战争形态 - 25030940 页真格基金2024 美国独角兽观察报告56 页璞跃Plug and Play2025 未来商业研究报告六大趋势分析67 页国际电工委员会IEC2025 智能水电技术与市场展望报告90 页RWS2025 智驭 AI 冲击波人机协作的未来研究报告39 页国际电工委员会IEC2025 智能水电技术与市场展望报告90 页RWS2025 智驭 AI 冲击波人机协作的未来研究报告39 页未来今日研究所 2025 年科技趋势报告第 18 版 1000 页模拟真实世界多模态生成模型的统一综述中国信息协会低空经济分会低空经济发展报告2024 - 2025117 页浙江大学2025 语言解码双生花人类经验与 AI 算法的镜像之旅42 页人形机器人行业由 “外” 到 “内” 智能革命 - 25030651 页大成2025 年全球人工智能趋势报告关键法律问题28 页北京大学2025 年 DeepSeek 原理和落地应用报告57 页欧盟委员会 人工智能与未来工作研究报告加州大学伯克利分校面向科学发现的多模态基础模型在化学、材料和生物学中的应用电子行业从柔性传感到人形机器人触觉革命 - 25022635 页RT 轨道交通2024 年中国城市轨道交通市场数据报告188 页FastMoss2024 年度 TikTok 生态发展白皮书122 页Check Point2025 年网络安全报告 - 主要威胁、新兴趋势和 CISO 建议57 页【AAAI2025 教程】评估大型语言模型挑战与方法199 页 ppt《21 世纪美国的主导地位核聚变》最新报告沃尔特基金会Volta Foundation2024 年全球电池行业年度报告518 页斯坦福2025 斯坦福新兴技术评论十项关键技术及其政策影响分析报告191 页国际科学理事会2025 为人工智能做好国家研究生态系统的准备 - 2025 年战略与进展报告英文版118 页光子盒2025 全球量子计算产业发展展望报告184 页奥纬论坛2025 塑造未来的城市研究报告全球 1500 个城市的商业吸引力指数排名124 页Future Matters2024 新兴技术与经济韧性日本未来发展路径前瞻报告17 页《人类与人工智能协作的科学与艺术》284 页博士论文《论多智能体决策的复杂性从博弈学习到部分监控》115 页《2025 年技术展望》56 页 slides大语言模型在多智能体自动驾驶系统中的应用近期进展综述【牛津大学博士论文】不确定性量化与因果考量在非策略决策制定中的应用皮尤研究中心2024 美国民众对气候变化及应对政策的态度调研报告气候政策对美国经济影响的多元观点审视28 页空间计算行业深度发展趋势、关键技术、行业应用及相关公司深度梳理 - 25022433 页Gartner2025 网络安全中的 AI明确战略方向研究报告16 页北京大学2025 年 DeepSeek 系列报告 - 提示词工程和落地场景86 页北京大学2025 年 DeepSeek 系列报告 - DeepSeek 与 AIGC 应用99 页CIC 工信安全2024 全球人工智能立法的主要模式、各国实践及发展趋势研究报告42 页中科闻歌2025 年人工智能技术发展与应用探索报告61 页AGI 智能时代2025 年 Grok - 3 大模型技术突破与未来展望报告28 页上下滑动查看更多