哈佛大学最新报告：LLM 等价于众包，只是在输出「网络共识」
哈佛大学研究了大型语言模型在回答晦涩难懂和有争议问题时产生「幻觉」的原因，发现模型输出的准确性高度依赖于训练数据的质量和数量。
研究结果指出，大模型在处理有广泛共识的问题时表现较好，但在面对争议性或信息不足的主题时则容易产生误导性的回答。
对于具有广泛共识的主题，例如 Barack Obama 名言等，模型通常能够给出正确的答案，对于更具体的问题，例如有关铁电性的科学论文，大模型虽然能提供正确的引文格式，但内容基本都是错的，或是将真实存在的作者与不存在的论文结合起来。
粤公网安备 44030402000745号 