大模型幻觉问题无解？理论证明校准的LM必然会出现幻觉
大模型幻觉问题无解？理论证明校准的LM必然会出现幻觉大型语言模型（LLM）虽然在诸多下游任务上展现出卓越的能力，但其实际应用还存在一些问题。其中，LLM 的「幻觉（hallucination）」问题是一个重要缺陷。
来自主题: AI资讯
7744 点击 2024-01-02 15:31
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
大型语言模型（LLM）虽然在诸多下游任务上展现出卓越的能力，但其实际应用还存在一些问题。其中，LLM 的「幻觉（hallucination）」问题是一个重要缺陷。
智能搜索AI创新健康领域，减低大模型幻觉率，提供更专业、准确的健康信息
软件行业苦降本增效久已。蔓延开去的开发周期，遥遥无望的上线时间，以及不断冒起的缺陷，怎么看都配不上这支精兵强将的队伍。生成式 AI 似乎带来了曙光，
人工智能系统的“幻觉”是由于其工作原理和结构决定的，它们并非大脑模型，无法准确地描述事实。然而，人们使用人工智能系统通常是为了完成创造性的任务，而创造力涉及某种启发式的搜索过程。
近期，关于GPT-4.5提前泄露的消息在全网疯传，逼的OpenAI研究员甚至Altman本人下场否认，但这仍然挡不住愉快吃瓜的网友。
多模态技术是 AI 多样化场景应用的重要基础，多模态大模型（MLLM）展现出了优秀的多模态信息理解和推理能力，正成为人工智能研究的前沿热点。上周，谷歌发布 AI 大模型 Gemini，据称其性能在多模态任务上已全面超越 OpenAI 的 GPT-4V，再次引发行业的广泛关注和热议。
随着大型语言模型（LLM）的发展，从业者面临更多挑战。如何避免 LLM 产生有害回复？如何快速删除训练数据中的版权保护内容？如何减少 LLM 幻觉（hallucinations，即错误事实）? 如何在数据政策更改后快速迭代 LLM？这些问题在人工智能法律和道德的合规要求日益成熟的大趋势下，对于 LLM 的安全可信部署至关重要。
大模型长期以来一直存在一个致命的问题，即生成幻觉。由于数据集的复杂性，难免会包含过时和错误的信息，这使得输出质量面临着极大的挑战。过多的重复信息还可能导致大型模型产生偏见，这也算是一种形式的幻觉。
大模型就是「造梦机」！幻觉是LLM与生俱来的特性，而非缺陷。OpenAI科学家Andrej Karpathy独特视角在AI社区掀起了激烈的讨论。
现在的GPT-4，未来的GPT-5，相较于前几个版本性能更强。安全挑战，史无前例。