有人向模型打听一本旧书的版本信息。回答来得干脆：出版社、译者、年份，一样不缺，句子也顺。去查，书是真的，译者也是真的，年份却对不上。整段话没有一处读起来别扭，破绽是在书外被发现的。
这类情况通常被叫作模型幻觉：生成的内容看起来合理，却与事实不符。这个说法其实有点误导，它让人以为模型内部看见了某个错误的东西。更贴近实情的描述是——它在没有依据的地方，继续往下写了。
它不是在编，是在续写
语言模型学的是文本如何接续，不是一本核对过的事实台账。训练语料里出现得密集、结构清晰的部分，它接得稳；到了稀薄、模糊、彼此矛盾的地方，它依然会按“最像答案的形状”把句子补完。补完的动作本身没有真假之分，只有像与不像。
于是流畅与准确被拆成了两条线。一段话语法无瑕、术语齐备、节奏舒服，只说明它在语言上很合规。人类判断真假时常用的那些线索——语气是否笃定、细节是否密集、表述是否犹疑——在这里几乎全部失效，因为输出风格是统一的，不会在不确定的地方突然露出毛边。
不是所有错都叫模型幻觉
把所有偏差都归进这个词，会让处理方式跑偏。知识停在某个时点、问题本身含混、模型该答却拒答、简单推理里算错一步，这些各自成因不同，对应的办法也不同。检索能补上时效，澄清能解决歧义，提示方式能改善拒答，而纯粹凭空补全的那一类，才更接近“幻觉”的本义。混为一谈的结果，往往是加了一堆措施，谁也没对准。
让它说“不确定”，代价是什么
常见做法是接入外部资料、要求给出来源、允许模型表达不确定。这些确实有用，但都有代价。一个动不动就声明“我无法确认”的模型，很快会滑向另一种不可用：用户得不到任何可推进的信息，仍要自己去查。真正值得追的目标不是消灭错误，而是校准——模型表达出的不确定程度，与它实际出错的概率大致对得上。这比单纯压低错误率难得多，也更贴近可用性。
需要提醒的是，模型幻觉并不会随着模型变大而自动退场。它更可能的表现是变得更难辨认：句子更通顺，格式更规范，套话更少，看起来更像一个认真核对过的人写的。识别成本从“读起来别扭”转移到了“必须去查”。
- 把输出当草稿，而不是结论，尤其是带具体年份、编号、条款的句子。
- 要来源，并且真的点开看，来源与结论是否对得上，是两件事。
- 把关键判断留在有反馈的环节，让能验证的人或系统去碰一下。
- 读到特别顺、特别完整的段落，多停半秒——那里最可能是空白被补上的地方。
说到底，对付这类问题靠的不是更聪明的提问技巧，而是一种阅读习惯：把“说得真好”和“说的是真的”分开对待。模型越像人，这个习惯越值钱。