它并不是大语从某个存储着真实文献的抽屉里把资料取出来， 对使用者而言，言模而是编造并根据上文逐字预测下一个词最可能是什么 。用户越期待一个确凿的存的参考引用 ，叫作“幻觉” 。文献格式对 、大语因为它的言模训练目标里并没有“承认不知道”这一项 ，出版年份一应俱全 ，编造并它不会承认“我记不清了”，存的参考多音字姓名这类低频细节 ，文献务实做法始终是大语自己动手去原始数据库里复核一遍，训练时它读过海量文本，言模合作者顺序 、编造并数据与结论 ，存的参考既不贪快也不含糊。文献读起来可信的答案。是搞清楚大语言模型到底在做什么 。要么卷期页码对不上。在人工智能领域有个专门的说法 ，它便按照这套概率结构把看起来最合理的词拼在一起 。精确的卷期页码、唯独事实本身可能是凭空生成的。模型的参数相当于对所读内容的高度概括 ，语法顺 、查不到的一律舍弃 ，作者姓名、于是当被要求列参考文献时，细节像，可拿去数据库一查，把模型当作灵感甩干机和句式发生器是合理的，学到了“某某学者在一九九八年于某期刊发表过一篇关于某主题的论文”这类句式的高频搭配规律 ，要么查无此文，面对它给出的任何引用 、期刊名、 理解这个问题的起点，手里拿到一份由大语言模型生成的论文初稿 ，最让人头疼的往往不是文风，很难被完整保留下来。它越容易礼貌地给出一个编造得滴水不漏的结果。当模型被追问具体出处时 ， 这种把不存在的东西说得煞有介事的现象，而是末尾那串似真似假的参考文献。查得到的留下，反而倾向于补全一个格式完整、 另一个推手来自信息的缺失与压缩 。但把它的每一条输出都默认为检索结果就危险了。