知道结果为什么会错，才能对 AI 形成合理的预期。
“幻觉”指 AI 生成了看似可信，实际错误或缺乏依据的内容，例如编造一个事实、出处或引用。
它是在描述一种输出问题，不是说 AI 真的产生了人类的感知体验。
生成内容与核实事实是两个环节。回答听起来流畅、详细，也可能包含错误，这就是需要理解幻觉的原因。
模型生成的是符合当前条件的内容，流畅的表达并不要求每个细节都已经被核实。它有时也不能可靠判断自己的回答是否正确。
不能这样理解。“撒谎”通常涉及明知事实仍有意欺骗，而模型产生错误内容不需要有这样的意图。
不能保证。这类指令可能有帮助，但仍需提供可信资料、检查出处和关键事实；联网或检索也不能完全消除错误。
知识截止，通常指某个模型训练所用资料覆盖到的时间范围。想了解之后发生的事情，可以借助联网检索获取新信息。
联网检索是通过工具访问外部信息，再把相关资料提供给模型，用于当前回答。
训练形成的许多知识和规律体现在权重中。模型通常不是每次打开原始训练文档，再从里面查出答案；搜索、读文件和查知识库，才是在当前任务中另外获取资料。
不是。在线使用软件，与模型为当前问题搜索互联网，是两件事。是否搜索，要看产品功能和本次实际执行情况。
不一定。搜到的资料可能有错、过时或不相关，模型也可能误读。需要看来源、日期，以及资料是否支持回答中的具体说法。
单靠这句话不能证明。可以查看产品提供的工具使用记录、搜索结果和来源链接，并核对引用是否支持相应结论。
不一定。生成一个说法，与找到支持它的原始资料，是不同能力。需要出处时，应让系统实际检索，并核对来源是否存在、是否支持这个说法。
可靠性关心的是结果是否值得依赖。验证则是用适合的方法，检查结果是否满足要求、事实是否有依据。
不同任务需要不同检查方法。能否生成一个结果，与这个结果是否已经被证实，是两件事。
不一定。同一个模型可能重复原有错误，自查也可能只让表达更完整。重要结论应结合可信来源、可复查的计算或实际测试来核实。
流畅、详细描述的是表达方式。判断事实是否准确，需要看来源和检查结果。
先检查问题的前提、时间和定义是否一致，再比较依据。无法确认时，可以保留不确定性，继续查证；不必因为某个回答更肯定就采纳它。
这些也是生成出来的文字。应当查看它依据什么、执行了什么检查，以及检查结果是否真的支持结论。
不一定。模型有时会迎合提问中的倾向。可以要求它说明依据、指出反例，但最终仍要判断这些依据是否可靠。
检索可能漏掉关键资料，资料也可能过时，模型还可能误读内容。可以检查回答引用了哪些片段，以及这些片段是否支持结论。
AI 会出错，联网也不能保证正确。理解信息来源、核对关键依据，并区分“已生成”和“已验证”，是使用 AI 的共同基础。