arXiv 论文主张严格区分幻觉、语义错觉与表达不确定性
原文标题：What Hallucinations Have We Measured? Semantic Illusion, Confabulation, and Expressed Uncertainty
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文指出研究界对「幻觉」一词用法混乱，主张幻觉应严格定义为「自信地出错」，与模型表达不确定性（UNK）区分。作者用「重述测试」将幻觉细分为知识缺失的虚构（CF）与知识可及但应用不一致的语义错觉（SI）。重评 14 种方法发现：检测方法更常标记 UNK，缓解方法对 SI 远比对 CF 有效。
- 问题
- 「幻觉」一词用法混乱，把自信出错与表达不确定性混为一谈。
- 方法
- 主张幻觉即自信地出错，用重述测试把幻觉细分为知识缺失的虚构（CF）与知识可及但应用不一致的语义错觉（SI）。
- 结果
- 重评 14 种方法：检测方法更常标记 UNK；缓解方法对 SI 远比对 CF 有效；CF 上隐层信号比输出层信号更有信息量。
- 影响
- 为幻觉检测与缓解选型提供分类框架：CF 需外部知识或重训，SI 靠提示与解码即可缓解。
深读 · 结论先行AI 生成展开看要点与影响 ↓
论文主张幻觉应严格定义为「自信地出错」，并用重述测试区分虚构（CF）与语义错觉（SI）。
- •将幻觉与模型表达不确定性（UNK）分开：UNK暴露可能出错，幻觉不暴露，因此更危险。
- •重述测试按「换等价提示能否答对」把幻觉分为知识缺失的CF与知识可及但应用不一致的SI。
- •重评14种方法发现：检测方法更常标记UNK而非SI/CF。
- •缓解方法对SI远比对CF有效；CF更依赖潜在信号而非输出层信号。
为什么重要：给幻觉评测与缓解划出可操作边界：对CF需外部知识或重训，对SI靠提示与解码即可改善，直接影响评测设计与安全部署。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。