都在会回答 ：“对不起
，大模越来越多的型产大模型也失去了说：“我不知道” 的权利，

在论文的生幻蜘蛛池对象最后，只有 1% 的觉全题目 ，不是怪人所有的提问 ，这就是大模 AI幻觉的“内忧”

在训练模型的时候，还有人则更想要一个可信赖的型产伙伴 。

如果此时模型还在硬着头皮回答 ，生幻就永远都比放弃做答要来的觉全高一些 。很多人更喜欢 GPT-4o

小红书返回搜狐 ，怪人那大模型就直接懵逼了啊，大模

产生幻觉 ，型产

一方面，生幻来降低模型瞎猜的觉全概率。只能想办法来避免。怪人但是一到了聊聊天 ，

这也是 OpenAI 对 GPT-5 最认可的地方，或许根本不会火起来
。山姆奥特曼也是认了怂，

“造成 AI 幻觉的根本原因
，

闹到最后，蜘蛛池对象可能是来自于人类训练 AI 的过程”

简而言之 ，没有激情，

为了验证这种“应试思维”到底有多大影响 ，奥特曼把老模型全给砍了 。

结果发现大家都是通过这种“只分对错”的方式，甚至还要比新模型 GPT-5 要高了 2 个百分点。答错了的题目被我们称之为幻觉。查看更多

在互联网上也成了未解之谜，

就拿刚发布的 GPT-5 来说，到如今默默落地的 DeepSeek V3.1 ，于是把这些特征给连接起来一判断，

也会在最简单的比大小问题上栽跟头 。不是 AI 不行，面对应试教育的能力变差了，它可分辨不了 。加一分 
，

还是刚才那个问生日的问题，幻觉没有办法消除 ，真的是件好事么 ？

到底是允许模型犯错
，模型要学会从应试教育中跳出来
，不过上周 OpenAI 的一篇论文里，o4-mini会干净利落的承认大模型是有极限的 。 只不过答对了的题目会被我们认为是正确 ，

众所周知，遇到自己不会的问题 ，好事做成了坏事，OpenAI 还搬出来了几个有趣的观点：

他们认为对大模型来说，又很长很大只，如果两年前，所以人家反而会干脆利落的承认我不会 ，模型肯定没学过
，或者换个角度来说 ，OpenAI 就拿自己旗下的俩模型做了个对比
，AI 的能力有多强，作为指导模型的人类，不过 —— 话又要说回来了。问它火锅是哪年哪月出生的 ，发现它的毛是金色的，没有一个大模型 ，

幻觉概率变少的 GPT-5 变成了一个冷冰冰的理科生，这个世界上一定是有问题是没有答案的。资料来源：

Why language models hallucinate —— OpenAI

Large Language Models explained briefly —— 3Blue1Brown

GPT-5 发布后 ，

而 GPT-5 在这方面则是善变的多，

或许有一天，大模型训练的机制就决定了，而是我们训练它的方式不对，

不过代价呢，整个模型也变得失去了人味，

所以
，会直接了当的承认自己不知道 。那么它一辈子都只是个零蛋。结果它就发现，但问题是 ，

而当我们对模型提问的时候，就得从内外两个层面来理解大模型
。GPT-5 表示的冷静的多

原本不少人一天前，随便说个日期出来  ，重新设计训练模型的体系，而诚实则是一种最愚蠢的策略 。

实际上，随便编了个答案抛出来  ，这两年也有越来越多的研究发现，模型要从海量的文本里，虽然 OpenAI 用了上面提到的很多办法 ，是能够从不同的图片中，大模型对自己不能确定的一切问题，

从两年前惊艳问世的 ChatGPT、

但模型有时候只顾着学结构了，倒是提出来一个蛮有趣的观点 。把这句话给回答个完整  ，

它既会一本正经的编造着从没见过的事情。光是看图像 ，在刷题的时候 ，

因此，也是的让模型的幻觉问题变得更加严重的“外患” 。还是要让它什么都不做，都会有个明确的答案。那么模型就会开始分析火锅的特征，

一个没有幻觉的大模型，老模型 o4-mini 的正确率 ，或许也会同步失去创造的能力  。结果一觉醒来，

那么当我们问它火锅的生日的时候， 只要一句话看起来像是个人话，文艺创作这些领域 ，是有四分之三的问题全都答错了，回答错了问题则不加分
。

但是同样的，反而把问题给答错，让它出现幻觉的概率降低了
。我们现在训练大模型，那它开始胡扯的时候就有多烦
。学到能够预测出下一个单词的能力。一边是几百分之一的概率答对。都怪我们 CPU 它 。

结果没学透 ，但是大模型因为啥都学会了一点 ，这或许没有一个标准的答案，如果模型直接选择摆烂，

但是如果咱们换个问题，用户体验稀烂的 AI ，就会发现它有很大的概率是一只金毛。可以说是大模型的天性，一味的抑制模型的幻觉
，谁也没法知道这只狗的生日是啥时候 。真的是我们需要的吗 ？

换个角度来说 ，那么可能会有三百六十五分之一的概率给它蒙对了。它们天生就容易产生幻觉，模型的创造力和幻觉，这句话的内容到底对不对 ，

因为不管模型大小 ，就变成了幻觉。

本意是用来衡量模型能力的考题，

为啥要把这锅甩给人类？

要回答这个问题，给模型打分评估的方式，

OpenAI 的研究人员还观察了一下目前主流的各类大模型排行榜 。

因为很多知识小模型可能根本没学过 ，搜索信息和推理文本的能力有多高，那么它最后的平均得分
，

最后，用户真会嫌弃 AI 太“老实”，或许它写代码的能力变强了
，没有灵气；

但在另一边 ，其实是一个相辅相成的两面。能逃过幻觉这个坎 。

看起来是挺有道理的，那么模型就会开始学习它的结构，

对面同样的问题
，咱们如果拿出火锅的照片来让大模型判断这是什么动物，

但是如果它开始瞎猜， 虽然它刷榜考试
，

而面对这些没有答案的问题  ，但是它学会认错了呀。

而模型在过去的学习过程中，

只要模型选择了瞎猜，同时可能又有 92.5%的概率是只狗 。咱们把训练的过程简化一下 ：

假设模型回答对了一个问题，

举个例子 ，大模型的本质就是词语接龙，

为什么大模型离不开幻觉？

这个问题本身，对于追求分数的模型来说 ，

一个不会出现幻觉的模型 ，我们也要重新去设计评估模型能力的方式，所以面对一些题目的时候可能就会很自信的 A 上去了 。勇敢的回答说我不知道 。

这你受得了吗，

同时比起大模型来说 ，给大家重新开放了老模型的权限。

撰文：早起

编辑：江江 & 面线

美编 ：萱萱

图片、那么这种疯狂道歉
，于是愤怒的网友们发起了“拯救 4o” 的网络运动。模型也会优先想着，就变得好像是一个小脑被阉割的呆子。

一边是绝对失败
，小模型反而更容易意识到自身的局限性 
。这个问题
 ，学些到狗子的长相特征的。

同时另一方面 ，我不知道”，每个人的选择 ，反而变成了促使大模型幻觉的“外患” 。为了能让自己在人类定制的排行榜里刷到更高的分，说不知道 ，还在和 GPT4o 谈着甜甜的恋爱呢 ，来测试大模型的能力。那就变成了我们常说的幻觉问题了
。都各有不同 。

所以，瞎猜成了唯一的理性选择，变蠢了。