DeepSeek幻觉率高达14.3%！比GPT-4高近10倍！AI工具竟如此不靠谱？

在这个信息爆炸的时代，AI技术已经成为了我们日常生活的一部分。无论是学术研究，新闻报道，还是日常娱乐，AI的身影无处不在。不过随着AI应用范围的不断地扩展，一个问题渐渐地浮出水面——那便是所谓的“AI幻觉”。特别是在2025年的今天，关于DeepSeek这款AI工具的讨论，尤为热烈。有人说它的幻觉率高得吓人，这到底是怎么回事呢？

在探讨DeepSeek之前，我们需要先搞清楚到底什么是AI幻觉？毕竟这是一个很重要的前提。简单来说，当AI面对它不熟悉，且不在其知识范围内的问题时，它会依据已有的模式，并且基于逻辑进行推测，接下来给出答案。这些答案，虽说看上去有理有证，不过实际上，或许跟事实全然相悖。根据Vectara的HHEM模型（一种专门用于捕捉幻觉的判别模型）及Google的FACTS基准测量得出：DeepSeekR1版本的幻觉率高达14.3%。这意味着，在使用DeepSeek的期间，每7个回答里，或许会有1个是不够准确的。对比之下，OpenAI的GPT-o1幻觉率为2.4%。从这些数字来看，DeepSeek的幻觉问题确实不容小觑。

截图来自：https://www.vectara.com/blog/deepseek-r1-hallucinates-more-than-deepseek-v3

往往有幻觉的AI都有一个特点：过度自信。AI大模型非常容易“过度自信”，但目前AI生成答案的过程仍像一个黑箱，AI业界也不完全清楚AI的自信从何而来。总之在面对自己不懂的专业问题时，极少有AI会直接回答“不知道”；它们宁愿自信地、流畅地生成一些不准确的内容。

除了过度自信外，部分AI还常常出现“牛头不对马嘴”的情况。这是因为，AI在生成答案的时候，展现出了非常强的创造性，而这种创造性，与强调信息精确、努力降低幻觉率的要求，天然地存在着相悖之处。新浪微博机器学习团队AI Lab的负责人张俊林提到，AI大模型有一个“温度系数”（Temperature），指的是控制生成内容随机性和多样性的参数。通常来讲，具有较高温度系数（比如10以及更高的数值）的模型在生成内容时，其随机性更为显著；而且很可能会产出更多新奇的，亦或是出乎预料的结果。

尽管目前的LLM（大语言模型）存有这些状况，不过有些用户依旧对其怀有过度的期盼。正如北京大学历史学系李维教授所言，AI的幻觉本质乃是一种填补行为，是对未知信息的一种揣测，虽这种揣测有时能带来新的灵感，不过也或许会致使严重的误导。

面对AI幻觉这一棘手难题之际，科技界抛出了诸多解决方案。其中检索增强生成（RAG）这项技术，被视作一种行之有效的办法。其核心要义在于，在AI回应问题之前，参照给定的可信文本；进而保证回复内容的真实性。然而此种方法亦存在局限性，比如说计算成本较高，以及存在数据偏差等状况。谷歌Gemini模型提供的“双重核查响应”功能就是一个很好的例子。该系统会在AI生成的内容旁标注是否已通过网络搜索验证，以此提醒用户注意信息的可靠性。

回到最初的问题，LLM（大语言模型）的幻觉确实很严重，但这并不意味着我们应该对AI失去信心，重点是我们得学会正确地对待，还要明白合理地使用这些很厉害的工具。

在享受AI带来的便利之时，而且也要时常警惕那潜在的风险。