幻觉
在 AI 领域，幻觉指的是听起来流畅而自信、实际上却错误、没有依据或纯属编造的回答。它可能是一个错误的日期、一句捏造的引文、一个不存在的函数，或一个从未发表过的出处。
更新于 2026年11月8日
只在你的设备上可读。
对话只在你的设备上可读；开启同步后，其他设备上也可读。别处一概读不到。
我们读不了。
消息只是经过，不会留下记录；你的对话始终只以加密形式保存。
模型不知道你是谁。
它只收到问题，绝不会收到你的邮箱、账户或 IP 地址。
途中什么也不留下。
回复传回后加密保存在这里；即使开启同步，你的密钥也从不以明文到达我们这里。
工作原理
幻觉源于语言模型的工作方式。模型学到的是：根据前文生成在统计上合理的文字；它不会去查证事实，自己也没有“我不知道什么”的内在意识。当答案在训练中缺失，或只有很薄弱的体现时，最合理的续写依然是一句流畅的话，于是它就用读起来很顺的内容填补空白。含糊或带有引导的问题、冷门的话题、要求提供精确数字、脚注、判例引用或电话号码，以及特别长的输入，都会让这种情况更容易发生。
它有几种表现形式。模型可能编造事实，把一句话安在错误的人头上，引用并不存在的研究、法院裁决或网址，把两个相似的城镇、药物或公司混为一谈，或者与你给它的文档相矛盾。在代码里，典型情况是调用一个名字看似合理、但库里根本没有的函数。语气不会给你任何线索，因为编造的答案通常和正确的答案写得一样流畅。
没有任何办法能彻底消除这个问题，但有几个习惯可以减少它。把原始资料交给模型，并要求它只根据资料作答。要求提供你能打开查看的引文或参考来源。多步骤的问题用推理模型。对比两个模型的回答，或者让第二个模型审阅第一个。查证事实时降低随机性，提问尽量简短、范围明确，而不是宽泛发散。凡是涉及法律、医疗、金钱或安全的内容，都要向可靠的来源求证。研究人员把幻觉分为两类：内在幻觉指输出与所提供的材料相矛盾，外在幻觉指输出加入了既无法证实、也无法证伪的论断；摘要、翻译和问答中，两类都会出现。
在 NeverNo 中
关于 AI 回答事实核查的页面，介绍了 NeverNo 的交叉核对是如何运作的：另一个系列的模型重读答案，引用看起来有问题的地方并提出修正。它有两种模式，一种不联网重读，另一种会上网查证论断并注明来源。Claude Sonnet 5.5 是 Anthropic 推出的均衡型模型，是你可以用于这场交流任何一方的匿名模型之一，上下文窗口为 200,000 个 token，推理的力度可以调整。
匿名的意思是，开发者 Anthropic 读取文字，却不知道你是谁，并适用它自己的规则。我们并不声称某个模型比另一个更容易或更不容易出现幻觉。对所有模型来说，稳妥的做法都一样：索要来源，打开查看，并对重要的内容保持人工核对。
值得记住
幻觉是一种流畅却不真实的回答，其成因是模型在预测看似合理的文字。
它可能是编造的事实、引文、来源或函数，而且很少能从语气上看出来。
把原始文本交给模型，并要求它只依据这些文本作答，可以降低风险。
请另一个模型给出第二意见，或查看你能打开的来源，是最可靠的核对方式。
警示信号包括：精确得可疑的数字、没有出处的引文、打不开的链接，以及对你问题里悄悄混入的错误前提表示欣然认同。
常见问题
AI 模型为什么会编造内容？
因为它们生成的是最合理的下几个词，而不是检索经过核实的事实。当知识贫乏时，一个合理但错误的补全，仍可能听起来很有把握。
幻觉可以彻底消除吗？
目前不能。提供原始资料、要求给出参考来源、使用推理模型、增加审阅环节，可以减少幻觉，但重要的论断仍然需要人工核对。
怎么判断一个回答是不是编的？
留意那些精确得可疑的细节，比如页码、人名和链接，然后试着找到它们。你可以问模型它是怎么知道的，要求它给出引文，或者把同一个问题交给另一个模型比较。电子表格、文献管理工具和官方登记系统，都是核对日期、法规、剂量和版本号的快速裁判。
问出你的第一个问题
无需账户，无需银行卡。NeverNo 会 10 种语言，用哪种写都行。
打开聊天