知识卡片
幻觉的根源是奖励错位
是什么
幻觉指模型生成看似合理但不真实的内容:编造不存在的图书、给出错误的概念解释、虚构引文与数字。
为什么会有
根因在目标函数:训练奖励的是下一个词像不像人写的,而不是这个命题是否为真。模型没有真假标注,也没有内建的我不知道通道,于是流畅与正确被混为一谈,越自信的表述越可能只是模式最顺的表述。
为什么更大规模不等于更可靠
更多数据能压低平均错误率,但不改变奖励结构。在训练分布稀疏的长尾事实上,模型仍会用最像的模式填补空白——这与知识不足不同,是缺少区分知与不知的机制。
缓解方向
外接检索:先从外部来源取回证据再生成,并给出引用,把记住换成查证。这把问题拆成两个可单独评估的环节:检索有没有命中,引用是否忠实。
使用启示
把输出当待核验的草稿,而不是结论来源;越是具体的数字、人名、文献,越要回到原始出处。这也解释了它短期内难以整体取代搜索引擎。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第1章 大语言模型:辩论、争议与未来发展方向 · 查看原书依据
尽管LLM的功能强大,但也存在“幻觉”问题,即它们会犯一些错误,如推荐不存在的图书或提供不正确的概念解释。
参考来源
- 位置:《大语言模型-基础与前沿 (熊涛)》第1章《大语言模型:辩论、争议与未来发展方向》(源文件:extracted/大语言模型-基础与前沿 (熊涛)/_epub-src/EPUB/xhtml/chapter3.xhtml)
- 结论依据:原文该段以「尽管LLM的功能强大,但也存在“幻觉”问题,即它们会犯一些错误,如推…」为中心展开,本卡的核心判断「是什么 幻觉指模型生成看似合理但不真实的内容:」由此归纳;适用条件与代价取自同段上下文。
- 原始内容:尽管LLM的功能强大,但也存在“幻觉”问题,即它们会犯一些错误,如推荐不存在的图书或提供不正确的概念解释。