， 我们又在第一时间拿到了清华大学沈阳团队的新 DeepSeek 攻略，赶紧来给大家分享。

不知道家友们在使用 DeepSeek 等大语言模型的时候，有没有遇到过“一本正经的胡说八道”的情况？

这次的第五部新宝典，讨论的便是 AI 幻觉的问题。

而我们作为普通用户， 怎样应对 AI 幻觉，甚至利用 AI 幻觉，看完这篇后便会得到答案。

对了，这次给大家分享的 PDF 下载，是原汁原味的原版哦，网上有太多卖课者魔改的内置其广告版本。

01.

什么是 AI 幻觉

AI 幻觉，指得其实就是 模型生成与事实不符、逻辑断裂或脱离上下文的内容，本质是统计概率驱动的“合理猜测”。

换句话讲，我们遇到的那些“一本正经地胡说八道”的情况，其实就是 AI 幻觉。

其主要分为两种：

事实性幻觉：模型生成的内容与可验证的现实世界事实不一致

忠实性幻觉：模型生成的内容与用户的指令或上下文不一致

02.

为什么会产生幻觉

至于 AI 为什么会产生幻觉，不外乎以下几种原因：

数据偏差：训练数据中的错误或片面性被模型放大（如医学领域过时论文导致错误结论）

泛化困境：模型难以处理训练集外的复杂场景（如南极冰层融化对非洲农业的影响预测）

知识固化：模型过度依赖参数化记忆，缺乏动态更新能力（如2023年后的事件完全虚构）

意图误解：用户提问模糊时，模型易“自由发挥”（如“介绍深度学习”可能偏离实际需求）

比如，我们可以通过虚构事件的方式，来测试一下各大 LLM 的事实性幻觉情况。

03.

如何减缓 AI 幻觉

我们作为不了解相关技术细节的普通用户，该怎样减缓 AI 幻觉的影响呢？

首先是开启联网搜索功能， 让 AI 对齐一下信息的颗粒度，“胡说八道”的几率自然也就少了。

在编写提示词的时候，我们也可以 提前做好知识边界的限定，降低 LLM 虚构的可能性。

此外，我们还可以使用多款 AI 模型， 对生成的结果进行交叉验证，让 DeepSeek 和千问自己“卷”起来。

在现阶段，AI 幻觉仍然是无法杜绝的问题，我们在使用大语言模型辅助我们的工作时，也不能把他们当做“万能神药”， 而是要有自己的判断。

04.

AI 幻觉的创造力价值

当我们需要确定性的结果时，AI 幻觉是一件不好的事情。

然而，对于需要 “创造力”的领域，幻觉可能反而是我们所需要的。

当然，我们还需要逐步建立方法论，经过合理的验证过程，才能让 AI 幻觉的“想象力”为我们所用。

怎么样，看到这里，是不是对 “AI 幻觉”这个