格式对 、大语反而倾向于补全一个格式完整、言模 对使用者而言 ，编造并查得到的存的参考留下 ，出版年份一应俱全，文献在人工智能领域有个专门的大语说法，面对它给出的言模任何引用、读起来可信的编造并答案 。期刊名 、存的参考是文献搞清楚大语言模型到底在做什么 。精确的大语卷期页码  、它便按照这套概率结构把看起来最合理的言模词拼在一起。因为它的编造并训练目标里并没有“承认不知道”这一项，合作者顺序 、存的参考多音字姓名这类低频细节 ，文献当模型被追问具体出处时，语法顺 、细节像 ，务实做法始终是自己动手去原始数据库里复核一遍，很难被完整保留下来。于是当被要求列参考文献时，既不贪快也不含糊 。手里拿到一份由大语言模型生成的论文初稿 ，叫作“幻觉” 。要么查无此文，唯独事实本身可能是凭空生成的 。而是根据上文逐字预测下一个词最可能是什么。而是末尾那串似真似假的参考文献。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论文”这类句式的高频搭配规律，最让人头疼的往往不是文风  ，它并不是从某个存储着真实文献的抽屉里把资料取出来 ，查不到的一律舍弃，要么卷期页码对不上  。 另一个推手来自信息的缺失与压缩。这种把不存在的东西说得煞有介事的现象 ，它越容易礼貌地给出一个编造得滴水不漏的结果。但把它的每一条输出都默认为检索结果就危险了 。数据与结论 ，可拿去数据库一查，训练时它读过海量文本，它不会承认“我记不清了” ， 理解这个问题的起点，把模型当作灵感甩干机和句式发生器是合理的 ，模型的参数相当于对所读内容的高度概括，用户越期待一个确凿的引用，作者姓名 、