正文已完成
L058一句话很像答案，不等于它来自事实
理解模型为何会在缺证据时生成连贯但错误的名称、数字和出处。
分清生成与检索后，再理解为什么一段很流畅、很具体的话仍可能不是事实。
先知道“生成不等于查证”，再学习识别和处理编造。
- 一个含具体名称、数字或出处的 AI 回答
- 能打开原始来源的浏览器
- 幻觉
AI 在缺少可靠证据时，仍生成看似合理但错误或不存在的内容。
- 证据责任
谁提出具体事实，谁就要能给出可回到原文的支持材料。
模型的任务是延续当前上下文，而不是在每句话前自动查询事实数据库。材料不足时，它仍可能补出形式完整的名称、日期和引用。
能用生成机制解释幻觉，并区分流畅度与事实可靠性。
核心概念
先把关键判断说清楚
概率合适不等于事实为真
一个词在语境中很自然，只说明语言模式匹配，不证明现实中存在对应事件。
空白会被合理化补齐
问题预设了不存在的论文或人物时，模型可能顺着前提生成细节。
细节越具体越要证据
精确数字、日期、链接和原话应能回到来源，具体感不能替代出处。
案例拆解
不存在的行业报告有了页码
用户询问一份并不存在的“2026 全球智能物流白皮书”，模型给出发布机构和第 38 页结论。
- 01
先核对报告名称、机构官网和出版目录，均无记录。
- 02
发现问题本身预设报告存在，模型沿用了该前提。
- 03
正确回答应说明未找到原始报告，并请求链接或改查真实资料。
案例结果
看似专业的页码和机构名没有任何原始来源，属于事实性幻觉。
提交前练习
现在轮到你
找一段包含具体事实的 AI 回答，拆开它的证据责任。
选做练习：本节练习可用于加速你巩固，但不影响继续学习。
内容会自动保存在当前设备
查看参考答案与评分标准
参考答案
某报告声称效率提升 37%，但只给出报告名，没有链接和发布页。这条主张尚未证实，找到机构原文后才能引用。
评分标准
- 主张可逐项核对
- 没有把措辞当证据
- 不确定状态明确
本课收口 · 理解检查
用 30 秒确认你理解了
用 30 秒理解检查确认你抓住了重点；阅读标记、练习和总结都不设硬门槛。
你现在更接近哪一种状态？
尚有必填项未完成，请补齐后再继续。
资料来源
继续核对与延伸阅读
本课内容最近更新于 。
- Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile↗standard · 核对日期 2026-08-23
- Attention Is All You Need↗paper · 核对日期 2026-08-23