为什么大模型要骗你？

文｜象先志

本文开始前，「象先志」先问大家三个问题，大家可以一起思考下

1. AI为什么要骗你？

2. 幻觉是大语言模型的bug还是feature？

3. 为什么AI总是一本正经地胡说八道？

OpenAI前段时间发了篇论文，题目叫 《Why language models hallucinate》，解释为什么大语言模型会产生幻觉。「象先志」会先介绍下论文内容，然后「象先志」再聊聊对这个问题一些不一样的看法。

稍微有点硬核，希望大家耐心看到最后。这篇论文的基本结论，是大模型产生幻觉，原因是开发人员在训练它的时候鼓励它这么做。就是说大模型天性是好的，是跟错了人，后面路才走歪的。

为什么这么说呢？在训练大模型的时候，厂商内部会跑很多的测试，来评价和校准大模型的好坏。这些测试只看准确率，不看错误率，所以哪怕模型不知道答案是什么，它还是会倾向猜一个答案。就跟我们考试的时候，哪怕不会做，答题卡上也要涂满是一个道理。

要解决这个问题，那就对症下药嘛，论文作者呼吁大家要改变评测基准，不要再搞那套基于准确率的评估方法了，要鼓励大模型承认自己的无知，而不是一本正经的瞎咧咧。

论文主要说的就是这事，「象先志」想逻辑大家应该很容易理解。坦白讲，虽然说论文是OpenAI发的，但「象先志」觉得没有什么新东西。当然OpenAI出来发有个好处，人家行业地位摆着这，出来吼两嗓子，有助于从业者更快地认识到问题，然后去针对性地解决。

聊完论文，「象先志」再聊下对模型幻觉问题的理解。「象先志」认为语言模型本质上没有幻觉不幻觉的概念，它们只是基于已有的信息，去预测下一个token。你训练数据里是什么样的概率分布，它就会尽量去拟合这个分布，仅此而已。不管你怎样去调整模型评估的方式方法，它其实仍然是在迎合新的评价指标。

比如说，原来答错不扣分，现在答错要扣分，那模型肯定更谨慎，不确定的事实，不知道的答案，它就更多承认自己不确定或者不知道。

但这样还是存在两个问题。

第一，模型仍然是没有事实和非事实的概念区分，它不是因为这个东西是幻觉，它才不输出；它是因为这个输出会扣分，它才不输出。

这就引出了第二个问题。按照这个理解角度，要减少模型的幻觉，就是要合理设置模型的评估模式，去尽可能引导模型的输出跟人类认知上的事实陈述重合。

这显然是一种治标不治本的方式，因为模型的输出结果跟人类认为的事实是两个语言集合，我们现在等于没办法，直接瞄准后面这个集合做优化，所以只能退而求其次，对前一个集合做间接的限制。

但这样搞有多大效果？上限在哪里？都是不知道的。

打个比方吧。人发烧是因为身体内的免疫系统在剧烈反应，这个反应是有一个根本的诱发因素的，比如说病毒感染。那现在要解决发烧的问题，一种办法是直接对病毒做处理，上一些抗病毒的药物，病毒解决了，身体自然就不发烧了。

还有一种办法是什么呢？就是把体温当做优化指标，用药物把免疫反应按下去，或者在头上敷冰块，反正要达到降体温的目的。

现在OpenAI提的解决方案就类似于后者。这个方法有没有用？当然有用，就像人如果一直发烧发高烧，脑子就烧坏掉了，先把体温降下来、缓解症状，是治疗步骤中必要的环节。

OpenAI新的GPT-5的确也比之前模型要好很多，幻觉症状有明显的缓解。但这能不能解决根本问题呢？我觉得很难，你最后还是需要找到发烧的原因才行。

只不过跟生病不一样，人发烧是有客观原因的，可能受限于医学发展程度医生找不到，但我们知道这个原因是客观存在的。而语言模型的幻觉问题有可能是与生俱来的，发烧就是它身体正常新陈代谢的一部分，你解决不了。没那个能力，知道吧？

顺便说一句 ，刚才「象先志」又被AI给骗了。「象先志」询问柯洁获得过几个世界冠军时，ChatGPT非常笃定地回答，"截止2025年9月，柯洁共获得9个世界冠军，还列出了是哪几次以及哪一年。"

本来以为是GPT语料被污染了，因为年初LG杯决赛时柯洁因不服裁判弃赛，随后把微博签名改为"九冠王"。但「象先志」定睛一看，发现情况并没有那么复杂，因为ChatGPT回答里并没有列出2025年的LG杯。

九冠的柯洁，只是它单纯的幻觉。