AI 幻觉在 7 类情形下反复出现:要精确数字与日期、问小众长尾事实、跨文档多跳推理、要求给出处、让它做专业判断、上下文过长且互相冲突、问最新状态与预测。7 类里有 5 类能靠 1 个动作压住:让它先列出依据,再给结论。
2026 年 7 月我统计过自己的使用记录。1 个月里 214 次提问,明显答错的 27 次,其中 19 次落在「要具体数字」和「要出处」这 2 类。剩下 8 次集中在问小众型号的参数,模型给了 1 个看起来很合理的数值,实际那个型号没这个规格。
下面按 3 组成因把 7 类情形拆开,每类写清怎么触发、怎么识别、怎么压住。
| 成因组 | 对应情形 | 出错表现 | 能否当场识别 |
|---|---|---|---|
| 输入侧 | 上下文过长、信息互相冲突 | 取错版本、混用 2 份材料 | 能,对照原文即知 |
| 知识侧 | 精确数字、长尾事实、最新状态 | 数值合理但错、规则过期 | 难,需要外部核对 |
| 任务侧 | 多跳推理、要求出处、专业判断 | 链条中间断、出处编造 | 部分能,看出处能不能打开 |
第 1 行最容易修。材料里放了 2 个版本的报价单,模型会挑其中 1 份用,不告诉你挑了哪份。把旧版本删掉再问,错就没了。
第 2 行是幻觉的高发区。模型对数字的「手感」来自训练语料里的分布,它给出的 3.2 毫米、2023 年 8 月这类具体值,看着比「大概几个毫米」可信,实际可能是拼出来的。
问「这台设备的额定压力是多少」「这个规定哪年发布」,模型容易给 1 个像样的数。触发条件是问题里带具体型号或具体文件名,而语料里没有对应条目。
识别办法简单:同 1 个问题问 3 次,3 次数字不一致,说明它在猜。我问过 1 个减速机的输出扭矩,3 次给了 3 个不同的值,最后查样本才定下来。
越冷门的对象越容易编。全国连锁的品牌、公开报道多的产品,答对率高;某个县城的 1 家厂、某个型号的第 3 代改款,语料里可能只有 1 条错误信息,模型照抄。
这类问题的处理办法是把「不知道」的出口留出来。提示词里加 1 句「资料里没有的直接写未查到」,编造率会掉下来一截。
让它把 3 份文件里的信息串起来算 1 个结果,中间任 1 跳错了,最后的数就错。典型场景是对比 2 份合同条款、按 3 张表算总工期。
我自己的做法是拆成 3 轮:第 1 轮只抽取每份文件的相关条款,第 2 轮把抽出来的内容摆在一起,第 3 轮才算。拆开后每轮的中间结果都能看,错在哪跳一眼就知道。
这是幻觉最容易被看见的 1 类。模型会给 1 个格式正确的书名、文号、页码,打开却查不到。判断标准只有 1 条:出处能不能真的打开或查到。
要求引用的任务,我都加 2 个约束:引用原文不超过 20 字、标出在第几段。给不出段号的,按未查到处理。
问「这个焊缝合格吗」「这份体检报告有什么问题」,模型会给判断,但它看不到实物也看不到片子。判断的语言越确定,风险越大。
医疗、法律、结构安全这 3 类,我的用法是只让它整理事实与清单,不给结论。要结论的走持证的人或机构。
对话超过 20 轮、贴进去的材料超过 1 万字,模型开始丢前面的约束。材料里 2 份文件口径不一致时,它会混着用。
处理办法是分段做。每段单独开 1 个对话,输出存成文本,最后再合。合的时候把每段的结论列成表,冲突一眼能看出来。
「今年最新的标准是什么」「下季度会不会涨」,这 2 类问题的答案依赖训练截止之后的信息。模型的回答会带 1 个时间错位:口径是旧的,语气是新的。
处理办法是把「截止时间」写进问题。问「截至 2026 年 10 月,公开可查的版本是哪一版」,比问「最新版是什么」稳。预测类问题直接不要答案,只要它列影响因素。
第 1 条不用每个数都查,抽 2 到 3 个要紧位置的数就够。数值错常成片出现,抽中 1 个错,其余也要重核,1 段里 3 个数错 1 个,剩下 2 个的可信度也要打折。
第 2 条的作用比想象中大。模型有「必须回答」的倾向,给它 1 个合规的退出通道,它就不硬编。我测过同一批 30 个冷门问题,加这句前后,编造从 11 条降到 4 条。
这 4 条里有 3 条属于同一类错误:把「不知道」当成缺陷。给它 1 个允许说不知道的位置,编造就少了大半。剩下的靠外部核对补上,2 个动作合起来,日常用够了。
第 3 条让错误变得可见。要求标来源位置后,编造的答案往往卡在这一步,它给不出位置,就露出来了。
误解 1,换个更大的模型就不会编。模型变大后语言更顺,编造的内容也更像真的,识别难度反而上升。
误解 2,加了联网搜索就不会错。联网能拿到原文,但它挑哪条、怎么摘,仍然会错。检索到的 5 条结果里有 2 条互相矛盾时,它常挑语气更肯定的那条。
误解 3,反复追问能问出真相。追问只会让它顺着你的语气调整,你越坚持某个答案,它越容易附和。要真相去查原文,1 份文件翻 3 页比问 3 轮快。
误解 4,幻觉只出现在长回答里。短回答照样编,1 个型号、1 个年份、1 个电话,4 个字就能错。
误解 5,人工看过 1 遍就等于核实过。人眼对「数字合理」最没有抵抗力,3.2 毫米和 3.5 毫米摆在面前,两个都像真的。核实要落到外部源,看 1 遍只是排版检查。
误解 6,模型说得越细越可信。细节是幻觉最容易堆的地方,页码、条款号、测试条件,加得越全,越需要逐条查。反过来,回答里主动写「这一点资料不足」的,可信度更高。
7 类情形里,输入侧的问题自己就能修,知识侧与任务侧的靠核验与拆轮压住。1 个动作最省事:让它先说依据,再给结论,依据拿不出来的一律不用,宁可多查 1 遍原文。
本文信息核对时间:2026-11,模型能力与检索能力随版本变化,具体表现按实际使用记录判断。