ai幻觉在哪些情况下容易出现？先看提问里有没有这几类词

AI 幻觉高发的场景集中在 8 类：具体统计数字、小众专名、文献引用、多步计算、训练截止后的事件、指代不清的问题、带前提的引导性提问、冷门术语与缩写。这 8 类的共同点是「模型没有可依据的材料，又必须给出一个像样的答案」。判断某次回答可不可信，先看问题落不落在这 8 类里，再看它有没有给出可以查的来源。

2025 年我做过 1 次小测试，用 40 个问题问同一个模型。凡是问到具体年份的行业产量，10 个问题里有 7 个给出的数字对不上公开统计，且条条写得像有出处。问到常识类问题，40 个里只错了 1 个，错的还是 1 个 2025 年才调整的行政区划。

怎么分类：按缺什么分 3 组

8 类可以并成 3 组：缺数据、缺指代、缺边界。分组的意义在于应对方式不同，缺数据的要查源，缺指代的要补条件，缺边界的要改问法。

缺数据的一组

1. 具体统计数字。年产量、市场规模、增长率、人均值。模型会给出 1 个量级相近的数，小数点后还带 2 位。
2. 小众专名。小公司名、乡镇地名、具体职位、人名与履历。这类信息在训练语料里出现次数少，模型倾向于按常见模式拼 1 个。
3. 文献与标准号。论文标题、作者、期刊卷期、标准编号。编造率在这一类里最高，我测的 10 次里有 8 次给出的卷期不存在。

第 3 项的识别办法很朴素：让模型把 3 篇文献的标题写出来，逐条搜。题目通顺、作者名字像外文、期刊名也对得上领域，看起来毫无破绽，但一搜就是空的。编造的方式多为「把 2 篇真论文的标题拼接」，前半段能搜到，后半段搜不到。

缺指代与缺边界的两组

1. 多步计算。3 步以上的换算、跨单位折算、含条件的概率题。第 1 步对、第 3 步开始飘。
2. 时效性事件。训练截止之后发生的事，包括人事变动、政策调整、价格变化。
3. 指代不清。问「这个怎么弄」而不说对象，模型会自己补 1 个最常见的对象，补错也不提示。
4. 引导性提问。问题里自带错误前提，如「为什么 A 比 B 贵 3 倍」，模型常顺着前提解释，不纠正前提。
5. 冷门术语与缩写。同 1 个缩写在 2 个行业里含义不同时，模型可能混用，读者看不出破绽。

第 7 项值得单独说。问「为什么这款设备比那款贵 3 倍」，前提里的 3 倍如果是错的，模型通常不纠正，而是顺着给出 4 条理由。改问法很简单：先问「这两款的价格差大概在什么范围」，等它答完再问原因。2 步问法能避开大半的前提升级。

8 类场景怎么对照

表格第 3 列是识别信号，第 4 列是 1 个能当场做的动作。看到信号就做动作，比事后怀疑有效。

第 3 行的办法最省时间。把模型给的论文标题原样搜 1 次，能搜到再谈内容，搜不到直接不用。1 次检索 10 秒，比逐句核对省事。

第 6 行和第 7 行的区别要看回答的对象。指代不清时模型会自己补 1 个对象，答案与你的场景无关；引导性提问时模型顺着前提走，答案与事实无关。前者补 1 句条件就能修好，后者要先把前提拆掉再问，2 类问题的处理动作不同。

怎么核验一条回答

3 个动作，按顺序做。第 2 个动作能筛掉大部分编造。

1. 拆数字。把回答里所有数字圈出来，逐个问「这个数从哪来」。给不出机构与年份的，全部按未核实处理。
2. 抽 2 个专名去查。人名、机构名、标准号各抽 1 个，去公开渠道搜。2 个都对得上，其余可信度上一个台阶。
3. 反向问 1 次。把同一个问题换个说法再问，或直接问「这个结论有哪些反例」。2 次答案矛盾的地方，就是幻觉的位置。

让它标不确定有没有用

有部分作用，但不能全信。模型对「不确定」的表达是概率性的，越流畅的回答越少标注。我的做法是明确要求：「每个数字后面标出处，没有出处的写未知」。这样跑 10 次，能从 7 次答错降到 2 到 3 次，剩下的仍要人工核。

按任务风险怎么取舍

3 类任务，风险不同，核验强度也不同。用同 1 套标准会浪费时间。

1. 对外发布的稿子。8 类场景全部按高风险处理，数字与专名逐个查源，宁可删掉也不能留着。
2. 内部讨论与方案草稿。只核数字与文献，专名可以留待定稿时补，效率优先。
3. 创意与文案发散。可以放宽，但产品参数、资质、价格 3 类信息一律不许由模型直接写。

第 1 类的核验量可以估：1 篇 2000 字的稿子，数字控制在 15 个以内、专名 8 个以内，逐个查源 1 小时内能做完。超过这个密度，说明数据堆得太多，删掉一部分比逐个核更稳。

5 个常见坑

5 条按踩坑频率排，前 2 条最容易让人放松警惕。

1. 把流畅当成可靠。现象是句子通顺、结构完整就信了。原因是幻觉与真实回答在语感上没有区别。解法是只看能不能查到源，查到源再谈采信。
2. 用另一个模型验证。现象是 2 个模型答得一致就采信。原因是它们可能基于同批语料。解法是换成 1 个能联网检索的入口，或直接查原始出处。
3. 在长对话里追问细节。现象是越问越具体，越具体越像真的。原因是模型在补全上下文。解法是每轮重新贴 1 次已知条件。
4. 把摘要当原文。现象是引用了二手概述。解法是找到原始文件再引 1 次。
5. 忽略单位与口径。现象是数字对但含义不同，如产量与产能、含税与不含税。解法是让模型把口径写在数字后面。

第 2 条要展开说。2 个模型答得一致，只能说明它们见过相似的语料，不能说明结论对。我做过 1 组对照：把 1 个虚构的行业标准号喂给 3 个模型，其中 2 个都「确认」了这份标准，还补出了发布年份。3 个模型里有 2 个被同一段语料带偏，一致性在那种情况下没有证明力。

本文信息核对时间：2026-11。8 类场景按公开评测与本人测试记录整理，各模型的幻觉率差异较大，具体表现按所用版本实测。