AI 幻觉最容易出现在 5 类问题上:时效类、极具体数字与条文号、人物与机构对应关系、小众实体、多跳推理。这 5 类的共同点是你没法用常识当场判断真假,输出看着通顺,错在细节。
我每月会拿 20 个问题跑 6 个平台做对照,连续做了 8 个月。错得最多的偏偏是最简单的那一类:问"2026 年某地某政策的具体年限",给出来的答案条理清楚,错率达到 4 成。
| 诱因 | 典型问法 | 错在哪 |
|---|---|---|
| 时效 | 今年新规、最新标准、当前价格 | 用的是训练期的旧数据 |
| 极具体数字 | 第几条、文号、页码、型号参数 | 数字编得像真的,实际对不上 |
| 人物与机构 | 谁任什么职、哪家单位主管 | 张冠李戴,把 A 的经历安到 B |
| 小众实体 | 县级单位、冷门设备、地方规定 | 套用同类实体的通行说法 |
| 多跳推理 | 甲的乙的丙是多少 | 中间一步错,后面全错 |
表格第 1 行和第 4 行最容易骗过人。前者答得像模像样但已经过期,后者直接套一个"同类都这样"的模板,两句话就把地方差异抹平了。
5 类的错法不一样,识别方式也不一样。时效类靠问日期,数字类靠回原文,人物类靠交叉核,小众类靠看表述,多跳类靠拆问。混在一起处理,永远核不清。
模型的知识停在训练截止那一刻,之后的变化它不知道。问"2026 年社保最低缴费年限",它可能给出 2024 年的口径,语句完整、条理清楚,唯一的问题是时间对不上。
识别办法有 2 个。一是问它"这条规定的生效日期是哪天",答不出具体日期或答成"长期有效",基本可以怀疑;二是让它同时给新旧两版,看它能不能分清哪版是现行的。
更稳的做法是自己给时间锚点:把"截至 2026 年 11 月"写进问题,并要求"若在训练数据之后有变化,直接说不确定"。加了这句,它会主动停在"不确定"上,比硬编一个答案强。
越具体的编号越容易出错。文号、条款序号、标准号、设备型号参数,这类内容模型能生成格式正确的字符串,但字符本身可能是拼出来的。
我核过 1 组答案,问某行业标准的试验方法条款号,6 个平台给了 5 个不同答案,只有 1 个与原文一致。5 个错答案的格式都对,都是"GB/T 加 5 位数字 加 第几点几",看着完全可信。
处理方式很简单:编号一律回原文核。文档类问题让它在给出编号的同时贴出原文那 1 句,贴不出来就按未核实处理。原文能贴出来,编号错了也能立刻发现。
问"某单位现任负责人是谁""某协会由哪个部门主管",这类问题的错误率也高。原因是训练数据里同一批名字反复出现在同一批语境里,模型会把关联度高的名字配上去。
这类错误有个特征:答案里的人确实存在,职务也真实存在,只是配错了单位。单看一句话挑不出毛病,要交叉核 2 个来源才能发现。
做尽调、写材料时遇到这类问题,别用模型直接出结论。让它列出"你依据哪条公开信息得出这个对应关系",依据说不清的就自己去官网的"领导介绍"或"机构设置"页核。
小众实体的错法不一样。模型对县级单位、冷门设备、地方性规定的细节覆盖少,会用同类实体的通行做法去填。回答里出现"一般来说""多数地区"这种表述,往往就是它在填空白。
多跳推理的错法是累积的。问"甲城市乙类企业的丙项标准是多少",要走 3 步:先定位城市、再定位企业类型、最后取标准值。3 步里任何 1 步错,最后那个数字一定是错的,而且错得很像对的。
拆开问能显著降错。把 3 步拆成 3 次提问,每次只问 1 件事,中间自己核 1 遍。多花 2 分钟,错率能从 4 成降到 1 成上下。
把答案写进问题,等于给它一个方向。问"是不是因为甲才导致乙",多数模型会顺着甲往下解释,即使甲与乙没关系。这类提问在日常对话里很常见,"我想确认一下,是不是……"就是典型句式。
还有个变体是给 2 个选项让它选。选项里只要有 1 个错的,它有 5 成概率选错的那个,还会补一段理由。理由写得越顺,越容易让人放弃核对。
改法是把选项摆平:"甲和乙两种解释,哪种有原文支持?都没有就说查不到。"这句话把"必须二选一"的压力去掉了,它才敢说不知道。
第 2 条最有用。加了"贴原文"这个要求,编造的成本立刻上来,很多错答案在这一步就露了。我们内部把这 4 条做成固定前缀,写材料的错率降了一半多。
4 条不必全用。日常问答用第 1 条和第 4 条就够,写材料、做尽调时 4 条全上。问得越严,回答越啰嗦,两头要平衡。
第 3 条不能当唯一标准。6 个平台给出同一个错答案的情况也有,尤其是训练数据同源的时候。交叉核验要看来源是否独立,答案一致也不算证据。
第 4 条踩过 1 次。让模型"再检查一遍上面的答案",它把同一个错数字又复述了 3 遍,还补了推理过程。换人核、换来源核,才是有效核验。
自核还有个变体:让它换角度论证同一个结论。角度一换,看着像独立验证,其实前提还是那个错前提。真要复核,把数字单独拿出来,不带上下文去查。
回到问题:AI 幻觉集中在时效、极具体数字、人物机构对应、小众实体、多跳推理这 5 类。避开的办法是给时间锚点、要原文依据、拆开问、不许二选一。核验按回原文、交叉 2 个来源、换平台复问 3 步走,哪步不过就先别用。
本文信息核对时间:2026-11