我很認為幻覺不該被當成 bug，而是 predictive model 的自然結果 事實上，幻覺本質上就是 prediction error 而已，氣象模型預測錯了，大家不會說它幻覺，而是說它誤差。 只不過我們因為過度擬人化 LLM，才會把這個現象描述成幻覺。 問題在於我們對於錯誤率可以容忍到什麼程度 在低風險場景，錯誤率沒差，甚至錯誤還能帶來創意；在高風險場景(醫療、法務、交易)，錯誤率必須降到極低，否則就不能部署。 樓上分享那篇的文章也寫的挺好的 對我來說，降低幻覺不是去追求哲學上的零錯誤，而是用工程手段降低可驗證領域的 error rate，並且要能設計出拒答或外部驗證的管道。 這樣才符合 LLM 的定位，也比較接近可落地的 AI 系統設計思維。

幫忙連結，台灣人被 openAI 引用的論文

最近這篇超熱門，本來也想要寫一下 交給大大了