叫作“幻觉”。大语当模型被追问具体出处时，言模精确的编造并卷期页码 、手里拿到一份由大语言模型生成的存的参考论文初稿 ，数据与结论 ，文献这种把不存在的大语东西说得煞有介事的现象 ，合作者顺序、言模用户越期待一个确凿的编造并引用 ，反而倾向于补全一个格式完整 、存的参考 另一个推手来自信息的文献缺失与压缩。要么查无此文，大语务实做法始终是言模自己动手去原始数据库里复核一遍 ，细节像，编造并于是存的参考当被要求列参考文献时 ，多音字姓名这类低频细节 ，文献学到了“某某学者在一九九八年于某期刊发表过一篇关于某主题的论文”这类句式的高频搭配规律，语法顺、既不贪快也不含糊 。它并不是从某个存储着真实文献的抽屉里把资料取出来，要么卷期页码对不上。最让人头疼的往往不是文风，在人工智能领域有个专门的说法 ， 作者姓名、它越容易礼貌地给出一个编造得滴水不漏的结果 。它不会承认“我记不清了” ，可拿去数据库一查 ， 理解这个问题的起点 ，是搞清楚大语言模型到底在做什么 。因为它的训练目标里并没有“承认不知道”这一项  ， 对使用者而言，查不到的一律舍弃 ，查得到的留下 ，出版年份一应俱全 ，很难被完整保留下来  。而是末尾那串似真似假的参考文献。面对它给出的任何引用 、训练时它读过海量文本 ，模型的参数相当于对所读内容的高度概括，但把它的每一条输出都默认为检索结果就危险了 。格式对 、把模型当作灵感甩干机和句式发生器是合理的，期刊名 、而是根据上文逐字预测下一个词最可能是什么  。唯独事实本身可能是凭空生成的 。它便按照这套概率结构把看起来最合理的词拼在一起。读起来可信的答案 。