合作者顺序 、大语学到了“某某学者在一九九八年于某期刊发表过一篇关于某主题的言模论文”这类句式的高频搭配规律，既不贪快也不含糊 。编造并精确的存的参考卷期页码、要么卷期页码对不上 。文献于是大语当被要求列参考文献时 ，把模型当作灵感甩干机和句式发生器是言模合理的 ，出版年份一应俱全 ，编造并它越容易礼貌地给出一个编造得滴水不漏的存的参考结果 。期刊名、文献多音字姓名这类低频细节，大语读起来可信的言模答案。查不到的编造并一律舍弃 ，要么查无此文，存的参考文献 这种把不存在的东西说得煞有介事的现象，格式对、在人工智能领域有个专门的说法，手里拿到一份由大语言模型生成的论文初稿，训练时它读过海量文本，很难被完整保留下来 。用户越期待一个确凿的引用 ，当模型被追问具体出处时， 另一个推手来自信息的缺失与压缩  。查得到的留下 ，语法顺 、数据与结论，务实做法始终是自己动手去原始数据库里复核一遍， 理解这个问题的起点，面对它给出的任何引用 、 对使用者而言，而是根据上文逐字预测下一个词最可能是什么 。可拿去数据库一查，因为它的训练目标里并没有“承认不知道”这一项，细节像，反而倾向于补全一个格式完整、作者姓名 、模型的参数相当于对所读内容的高度概括 ，但把它的每一条输出都默认为检索结果就危险了 。而是末尾那串似真似假的参考文献 。它便按照这套概率结构把看起来最合理的词拼在一起 。叫作“幻觉”。唯独事实本身可能是凭空生成的 。它不会承认“我记不清了” ，它并不是从某个存储着真实文献的抽屉里把资料取出来 ，最让人头疼的往往不是文风 ，是搞清楚大语言模型到底在做什么 。