就在前几天，我们刚刚分享了相关内容，没想到这么快又有了新动态。这次，我们第一时间拿到了清华大学沈阳团队关于 DeepSeek 的最新攻略，迫不及待地想要和大家分享。
不知道大家在使用 DeepSeek 等大语言模型时，有没有遇到过“一本正经地胡说八道”的情况？
这次的第五部新宝典，聚焦的就是 AI 幻觉这一问题。
对于普通用户来说，如何应对 AI 幻觉，甚至巧妙利用 AI 幻觉，看完这篇攻略后，相信你就能找到答案。
对了，这次给大家分享的 PDF 下载，是未经修改的原版哦，网上有很多版本被卖课者魔改，植入了广告。
一、什么是 AI 幻觉
所谓 AI 幻觉，其实就是模型生成的内容与事实不符、逻辑断裂或脱离上下文，本质上是基于统计概率的“合理猜测”。
换句话说，那些看似有理却与事实相悖的情况，就是 AI 幻觉。
它主要分为两种：
-
事实性幻觉：模型生成的内容与可验证的现实世界事实不一致。
-
忠实性幻觉：模型生成的内容与用户的指令或上下文不一致。
二、为什么会产生幻觉
AI 产生幻觉的原因主要有以下几种：
-
数据偏差：训练数据中的错误或片面性被模型放大，例如在医学领域，过时的论文可能导致错误结论。
-
泛化困境：模型难以处理训练集外的复杂场景，比如预测南极冰层融化对非洲农业的影响。
知识固化：模型过度依赖参数化记忆，缺乏动态更新能力，例如对 2023 年后的事件可能会完全虚构。
-
意图误解：用户提问模糊时，模型容易“自由发挥”，比如“介绍深度学习”可能会偏离实际需求。
我们可以通过虚构事件来测试各大 LLM 的事实性幻觉情况。
三、如何减缓 AI 幻觉
作为普通用户，我们该如何减缓 AI 幻觉的影响呢？
首先，开启联网搜索功能，让 AI 能够对齐信息的颗粒度，这样“胡说八道”的几率自然会减少。
其次，在编写提示词时，提前做好知识边界的限定，降低 LLM 虚构的可能性。
此外，我们还可以使用多款 AI 模型，对生成的结果进行交叉验证，让 DeepSeek 和千问等模型相互“竞争”。
目前，AI 幻觉仍然是无法完全杜绝的问题。我们在使用大语言模型辅助工作时，不能将其视为“万能神药”，而是要保持自己的判断力。
四、AI 幻觉的创造力价值
当我们需要确定性的结果时，AI 幻觉显然是不受欢迎的。
然而，在需要“创造力”的领域，幻觉可能反而是一种有价值的资源。
当然，我们还需要逐步建立方法论，经过合理的验证过程，才能让 AI 幻觉的“想象力”为我们所用。
看完这篇文章，你是不是对“AI 幻觉”这个近期热门的词汇有了一些基础的了解呢？
微信公众号回复：AI
即可获取清华大学原版秘籍，点此或扫描 / 长按下方二维码皆可进入公众号，关注后发消息即可。
