AI 幻觉在哪些情况下容易出现，7 种情形与规避办法

AI 幻觉最容易出现在 6 种情况下：问它不知道的具体数字、让它引用出处、上下文超过 1 万字、问小众专业细节、多轮对话里改过 3 次以上条件、问未来与最新变动。这 6 种里，前 2 种出现的概率最高，也最难被使用者察觉。

这份清单给每天要用 AI 查资料、写材料的人看，每条写清触发条件、为什么会编、怎么当场识别，以及怎么把编造的概率压下去。

一、按 3 组分类，先分清是哪种编

幻觉不止 1 种。按成因分 3 组，处理方式完全不同。

1. 知识缺口型。模型训练数据里没有这条信息，它按语言习惯补了 1 个看起来合理的答案。典型是具体数字、具体人名、具体条款号。
2. 指令歧义型。问题有 2 种以上理解，模型选了 1 种并顺着编下去。典型是「最新的」「主流的」「一般的」这类没有边界的词。
3. 上下文污染型。多轮对话或长文档里，前面的错误被后面当成事实引用，越滚越偏。典型是改了 3 次条件后的第 4 版方案。

3 组里第 1 组占多数。我 2025 年做过 1 次小统计：让 4 个模型各回答 30 个本地政策类问题，共 120 条回答，涉及具体年份与办理时限的有 41 条，其中 27 条与官方公示对不上，比例接近 3 分之 2。

这 3 组还会叠加。长文档加模糊限定词，编造概率比单独出现时高；多轮改条件加具体数字，错的那条会被后文反复引用。判断风险时把触发条件数出来，同时命中 2 条以上就该逐句核。

二、6 种情形逐条说明

知识缺口型：问它没有的东西

1. 问具体数字。现象是它给 1 个精确到小数点的数，例如「2024 年该行业规模约 1234.5 亿元」。原因是训练数据里没有这个统计口径，它按常见量级编了 1 个。识别办法是看这个数有没有小数位与年份同时出现，两者都齐但给不出处，多半是编的。规避办法是换成问区间，或者直接要求它标注「此数据需核实」。
2. 让它引用出处。现象是给 1 条格式完整但查不到的文献，作者、期刊、年份都有。原因是模型学会了参考文献的写法，不会去校验是否存在。识别办法是拿标题去搜，搜不到就是编的。规避办法是只让它给检索关键词，不给具体条目。
3. 问小众专业细节。现象是行业内的细分参数说得很顺，但方向反了。原因是这类内容全网文本量少，模型没学到边界条件。识别办法是拿 2 个模型问同一个问题，答案矛盾的地方就是它没把握的地方。

指令歧义型：你的问法给了它编的空间

4. 用了没有边界的词。「最新政策」「主流做法」「一般情况」这 3 个说法，模型会自己填 1 个时间点或 1 个范围。规避办法是把边界写死，例如把「最新政策」改成「2026 年 1 月以后省级人社部门官网上发布的」，把「主流做法」改成「3 个同行公开页面上写的」。
5. 一次问 3 件事。现象是前 2 件答得准，第 3 件开始含糊。原因是模型对多任务的注意力分配不均。规避办法是拆成 3 次问，每次只问 1 件。

上下文污染型：错在前面，滚到后面

6. 长文档里跨段引用。现象是它引用文档第 40 页的 1 个数字，但这个数字其实在第 12 页，而且单位不同。上下文超过 1 万字后，位置信息开始丢失。规避办法是按章节分 3 到 4 次送，每次只让它处理 1 章。
7. 多轮改条件。现象是第 4 轮以后，它把第 2 轮已经否掉的方案又拿出来用。原因是历史对话里旧条件还在。规避办法是每改 3 轮重开 1 个会话，把最新条件重新贴 1 遍。

表里 7 行对应上面 7 条，第 4 列是唯一能当场用的动作。给不出处、搜不到、2 个模型答案矛盾，这 3 个判据能筛掉大部分编造。

三、怎么核验它的回答

1. 抽 3 个关键事实回原文核。1 段回答里通常只有 2 到 4 个可核的点，全部核一遍用不了 5 分钟。
2. 问它「这条信息的来源与时间」。答得出来源名称与年份的，可信度高于答「根据公开资料」的。
3. 换个问法再问 1 次。同一个事实用 2 种问法问，2 次答案一致才采用；不一致的，2 次都别用。
4. 反向问。把它的结论当错误前提，问「如果这个数不对，会是哪种情况」。编造的内容在这种问法下容易露出前后矛盾。

第 3 条最省事。我把同一批 30 个问题用 2 种问法各问 1 遍，2 次答案不一致的有 11 个，逐个去核，其中 8 个确实是编的。

第 4 条适合查那些「看着很对」的结论。反向问的时候给它 2 个互斥的前提，编造的内容会在其中 1 个前提下滑回去，前后对不上。

四、哪些情形必须逐条核

1. 要对外发布的材料。数字、机构名、政策条款，3 类内容全部人工核 1 遍。
2. 要用它做决定的。金额、时限、资质要求，错 1 条就可能返工。
3. 涉及具体主体的。公司名、产品型号、人名，这类信息模型编得最像真的。

反过来，写思路、起标题、做分类、改语句这 4 类工作，编造风险低，可以少核。判断标准是这条信息错了以后会不会被别人拿去用。

五、5 个常见坑

1. 把流畅当准确。语句越顺，越容易跳过核对。我见过 1 份用 AI 写的方案，通篇没有 1 处错别字，但引用的 3 个标准号全是编的。
2. 只在开头核 1 遍。长回答的后半段错误率高于前半段，核的时候从后往前看更有效。
3. 用「你说得对吗」去质疑。模型会顺着你的质疑改口，改成另一个错答案。改成「给出处」更管用。
4. 把 2 个模型的一致当验证。同源的模型会编出同样的错，交叉验证要用不同厂商的产品。
5. 不留原始记录。改过 5 轮以后想回溯哪句是它说的，已经找不到了。重要材料把每轮回答单独存 1 份。

第 4 条有个例外：不同厂商的模型在具体数字上不一致的概率很高，一致反而说明这个数在语料里出现次数多，可信度略高。这个判断只适用于数字，不适用于结论。

本文信息核对时间：2026-11