Press⌘+Kto search
幻觉（Hallucination）
基础概念幻觉指模型生成看似合理实则错误或虚构内容的现象，根源在于模型本质是基于统计的下一词预测，而不是事实检索。
#为什么会产生
模型学到的是语言的统计规律而非事实本身。当被问到训练数据中罕见或不存在的内容时，它会按"最像答案的样子"续写下去，而不是承认不知道。要求模型"必须回答"的提问方式、过高的温度、以及引导性的问题都会加剧幻觉。
#缓解手段
- RAG：先检索资料再回答，让模型基于给定材料作答
- 在提示词中明确允许回答"不知道"，并要求标注来源
- 事实敏感场景降低温度
- 关键结论要求模型自我复核一遍（self-check）
本页目录
- #为什么会产生
- #缓解手段
更新于 2026-10-02
#关于「幻觉（Hallucination）」的常见问题
幻觉指模型生成看似合理实则错误或虚构内容的现象，根源在于模型本质是基于统计的下一词预测，而不是事实检索。
本词条属于基础概念分类，与 、 等概念紧密相关。如果你刚开始接触本地大模型部署，建议按「基础概念 → 模型与量化 → 推理与部署」的顺序阅读相关词条，配合 GPU 检测工具 边学边验证自己硬件的可行方案。