中新网北京6月20日电 (记者 孙自法)基于人工智能(AI)的大语言模型(LLM)回答问题并非总是准确可靠，有时甚至极其智能地以“幻觉”方式提供胡编乱造的答案让人真假难辨，对此如何予以有效检测广受关注。

　　国际著名学术期刊《自然》最新发表一篇人工智能研究论文称，研究人员开发出一种能检测大语言模型“幻觉”的方法，这种方法通过“以毒攻毒”方式，能测量生成回答的含义的不确定性，或能用于提升大语言模型输出的可靠性。

　　该论文介绍，大语言模型(如ChatGPT和Gemini)是能阅读和生成自然人类语言的人工智能系统。不过，这类系统很容易产生“幻觉”，生成不准确或没有意义的内容。检测大语言模型出现“幻觉”的程度很难，因为这些回答的呈现方式可能会让它们看起来很可信。

　　在本项研究中，论文第一作者兼通讯作者、英国牛津大学Sebastian Farquhar和同事合作，尝试量化一个大语言模型产生“幻觉”的程度，从而判断生成的内容有多少忠于提供的源内容。他们的方法能检测“幻觉”的一个子类别——“编造”，特指不准确和随意的内容，常出现在大语言模型缺乏某类知识的情况下。针对“编造”问题，他们研发的方法考虑了语言的微妙差别，以及回答如何能以不同的方式表达，从而拥有不同的含义。研究表明，该方法能在大语言模型生成的个人简介，以及关于琐事、常识和生命科学这类话题的回答中识别出“编造”内容。

　　《自然》同期发表同行专家“新闻与观点”文章指出，最新研究的检测任务由一个大语言模型完成，并通过另一个大语言模型进行评价，相当于“以毒攻毒”。虽然用一个大语言模型评估一种基于大语言模型的方法似乎是在循环论证，而且可能有偏差，但他们的方法有望帮助用户理解在哪些情况下使用大语言模型的回答需要注意，这也意味着可以提高大语言模型在更多应用场景中的置信度。(完)