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