今天要精读的这篇引爆学术圈和工业界的论文《Why Language Models Hallucinate》，来自OpenAI。
它彻底跳出“微调模型架构”的传统思路，精准拆解了幻觉的两大核心成因：
一、传统预训练怎样通过“二分类误差→生成错误”的链条催生幻觉
二、后训练的评估机制为何让幻觉顽固留存
更关键的是，它给出了釜底抽薪的解决方案：无需研发复杂的幻觉检测工具，只需修改主流基准的评分逻辑，就能让模型承认自己的不足，告别胡编乱造。这不只是对现有技术的修补，而是为大模型建立“可信度导向”的全新优化范式。
