今天小编分享的互联网经验：普通人如何逃离DeepSeek幻觉陷阱，欢迎阅读。
文 | 20 社
DeepSeek 横空出世，我们和人工智能的关系也随之进入新时代。但对于许多人来说，与 AI 的蜜月期还没有结束，幻觉问题就不合时宜地来预警。
近期一条 "80 后死亡率突破 5.2%" 的假新闻广为流传，据上海网络辟谣介绍，最初的信源很可能是来自 AI 对话。
这种甚至一眼假的数据是怎么来的呢？我最近也在尝试用 AI 对话代替搜索，发现确实会给工作埋下一些 " 地雷 "。
例如前几天我们写了京东外卖的稿件，尝试用 DeepSeek 来搜集资料，" 山姆每年为京东即时零售带来多少订单 " 的问题，DeepSeek 语气肯定地给出一个数据，并称京东今年将和山姆展开新合作。
我没有查到这个数据的来源，而且我更震惊的是关于合作的预测，" 山姆和京东不是去年分手了吗 "。
这就是 DeepSeek 的 " 幻觉 "。幻觉，是大模型的 " 基因 " 问题，因为它本质上是根据每个词出现的概率来选择回答，所以很容易编出一篇看起来很流畅但完全不符合事实的回答。
所有的大模型或多或少，都有这个问题。
但是，DeepSeek-R1 的幻觉在领先的模型中尤为严重，在 Vectara HHEM 人工智能幻觉测试中达到了 14.3%，是 DeepSeek-V3 的近 4 倍，也远超行业平均水平。
DeepSeek-R1 的幻觉率高于同行（图源自 Semafor）
同时，DeepSeek R1 是目前中国应用范围最广泛的大模型之一。正因为它足够智能，很容易被充分信任，在 " 掉链子 " 的时候也不会被察觉，反而有可能成为引发更大范围的 " 舆论幻觉 "。
DeepSeek 怎么背刺我
球球今年读大四，最近都在一家实验室实习。用 Kimi、豆包等 AI 助手来撰写资料、找文献，他已经驾轻就熟，在 DeepSeek 上线以后，更是感到如虎添翼。
最近刚开学，他就开始忙着写论文。不过，他这学期已经不敢直接使用 AI 生成的内容了。
网上最近流传的一个贴子，DeepSeek 生成的一个综述中，参考文献全是自己编的，" 秉持着严谨的态度，我去搜了这些参考文献，竟然 !! 竟然没有一篇是真的 !! "
一位大模型业内人士表示，这是一个很有意思的案例，" 见过胡编事实的，没看到编造论文引用的。"
类似胡编的情况还有很多，比如有网友问 DeepSeek 上海有几家麻六记，地址都在哪里？结果 DeepSeek 给了他四个地址，且四个地址都是错误的。
最搞笑的，是一位玩具博主，让 DeepSeek 帮她查国内儿童玩具理论的文献综述，其中引用了一本名为《玩具与儿童发展》的书。
" 我咋没见过呢？就让它详细介绍一下 "，结果，她就在思维链里发现 DeepSeek 说，这本书是虚构的，而且" 要避免指出这本书是虚构的，以免让用户感到困惑 "。
音乐自媒体 " 乱弹山 " 进一步发现，DeepSeek 特别擅长使用陌生信息和专业领網域的词汇来胡编乱造。
他发现一个小红书笔记，名叫《我听了这么多年五月天，还不如 DeepSeek》，让 DeepSeek 来提供五月天歌曲里面的彩蛋。" 其实里面全是扯淡 "。
比如里面提到《仓颉》前奏中 " 需要你 需要你 需要你 "，倒放会变成 " 宇宙爆炸的瞬间 我看见了你的脸 "。大部分人试一试就会知道，这三个音节怎么来回折腾，都成不了这句话。但依然不妨碍下面有很多人都说，被感动到了！
另外，他还让 DeepSeek 深度解析韩国音乐人 Woodz 的风格。DeepSeek 解析出的 " 双声道交替 "" 呼吸声放大 "" 元音拉伸 " 等巧思，都是对应歌曲中没有的，很像我们刚学会了一些专业名词就张冠李戴胡乱卖弄的样子。
但值得指出的是，当这些专业词汇足够多，这些专业足够陌生的时候，普通人根本无法分辨这些叙述的真实性。
就像前面提到的央视新闻报道的 "80 后的死亡率已经达到 5.2%" 的谣言，中国人民大学人口与健康学院教授李婷梳理发现，很可能就是 AI 大模型导致的错误，但普通人对这些数据并没有概念，就很容易相信。
这几天，已经有好几篇被认为由 AI 撰写的谣言骗倒了不少人：梁文峰在知乎上对于 DeepSeepk 的首次回应，《哪吒 2》员工 996 是因为公司在成都分房，电梯坠落再冲顶的事故原因……新闻真实和虚构段落被很好地捏合到一起，常人很难分辨。
而且，就算 DeepSeek 没掉链子，很多时候普通人连使用它的方式都不正确。AI 训练的奖惩方式，简单来说，就是它猜你最想要的是什么回答，而不是最正确的是什么回答。
丁香园前两天写过，已经有很多人拿着 DeepSeek 的诊断，来向医生咨询。一位发热儿童的家长，坚信医生开的检查没有必要，是过度治疗；医生不开抗甲流的抗病毒药物，就是拖延治疗。医生很疑惑，" 你们怎么能确定是甲流呢？发热的原因有很多。" 家长说，他们问了 DeepSeek。
医生打开手机发现，家长的提问是，" 得了甲流要做什么治疗？" 这个问题首先就预设了孩子已经得了甲流，大模型自然也只会作出相应的回答，并不会综合实际条件来进行决策。幻觉能借此危害现实。
幻觉，是 bless 也是 curse
幻觉本身其实并不是 " 剧毒 "，只能算是大模型的 " 基因 "。在研究人工智能的早期，幻觉被认为是好事，代表 AI 有了产生智能的可能性。这也是 AI 业界研究非常久远的话题。
但在 AI 有了判断和生成的能力后，幻觉被用来形容偏差和错误。而在 LLM 领網域，幻觉更是每个模型与生俱来的缺陷。
用最简单的逻辑来描述，LLM 训练过程中，是将海量数据高度压缩抽象，输入的是内容之间关系的数学表征，而不是内容本身。就像柏拉图的洞穴寓言，囚徒看到的全是外部世界的投影，而不是真实世界本身。
LLM 在输出时，是无法将压缩后的规律和知识完全复原的，因此会去填补空白，于是产生幻觉。
不同研究还依据来源或领網域不同，将幻觉分为 " 认知不确定性和偶然不确定性 "，或 " 数据源、训练过程和推理阶段导致的幻觉 "。
但 OpenAI 等团队的研究者们发现，推理增强会明显减少幻觉。
此前普通用户使用 ChatGPT（GPT3）时就发现，在模型本身不变的情况下，只需要在提示词中加上 " 让我们一步步思考（let ’ s think step by step）"，就能生成 chain-of-thought（CoT），提高推理的准确性，减少幻觉。OpenAI 用 o 系列的模型进一步证明了这一点。
但是 DeepSeek-R1 的表现，跟这一发现恰好相反。
R1 在数学相关的推理上极强，而在涉及到创意创造的领網域非常容易胡编乱造。非常极端。
一个案例能很好地说明 DeepSeek 的能力。相信有不少人看到过，一个博主用 "strawberry 里有几个 r" 这个经典问题去测试 R1。
绝大多数大模型会回答 "2 个 "。这是模型之间互相 " 学习 " 传递的谬误，也说明了 LLM 的 " 黑盒子 " 境地，它看不到外部世界，甚至看不到单词中的最简单的字母。
而 DeepSeek 在经历了来回非常多轮长达 100 多秒的深度思考后，终于选择坚信自己推理出来的数字 "3 个 "，战胜了它习得的思想钢印 "2 个 "。
图片来自 @斯库里
而这种强大的推理能力（CoT 深度思考能力），是双刃剑。在与数学、科学真理无关的任务中，它有时会生成出一套自圆其说的 " 真理 "，且捏造出配合自己理论的论据。
据腾讯科技，出门问问大模型团队前工程副总裁李维认为，R1 比 V3 幻觉高 4 倍，有模型层的原因：
V3: query --〉answer
R1: query+CoT --〉answer
" 对于 V3 已经能很好完成的任务，比如摘要或翻译，任何思维链的长篇引导都可能带来偏离或发挥的倾向，这就为幻觉提供了温床。"
一个合理的推测是，R1 在强化学习阶段去掉了人工干预，减少了大模型为了讨好人类偏好而钻空子，但单纯的准确性信号反馈，或许让 R1 在文科类的任务中把 " 创造性 " 当成了更高优先级。而后续的 Alignment 并未对此进行有效弥补。
OpenAI 的前科学家翁荔在 2024 年曾撰写过一篇重要 blog（Extrinsic Hallucinations in LLMs），她在 OpenAI 任职后期专注于大模型安全问题。
她提出，如果将预训练数据集看作是世界知识的象征，那么本质上是试图确保模型输出是事实性的，并可以通过外部世界知识进行验证。" 当模型不了解某个事实时，它应该明确表示不知道。"
如今一些大模型如今在触碰到知识边界时，会给出 " 不知道 " 或者 " 不确定 " 的回答。
R2 或许会在减少幻觉方面有显著成效。而眼下 R1 有庞大的应用范围，其模型的幻觉程度，需要被大家意识到，从而减少不必要的伤害和损失。
来，让我们打败幻觉
那么，在现实使用的过程中，我们普通人对大模型的幻觉就束手无策了吗？
互联网资深产品经理 Sam，最近一直在用大模型做应用，他对 ChatGPT 和 DeepSeek 都有丰富的使用体验。
对于 Sam 这样的开发者来说，最靠谱的反幻觉手段有两种。
第一个就是在调用 API 时，根据需求設定一些参数，如 temperature 和 top_p 等，以控制幻觉问题。有些大模型，还支持設定信息标，如对于模糊信息，需标注 " 此处为推测内容 " 等。
第二种方法更专业。大模型的答案是否靠谱，很大程式依赖语料质量，同样一个大模型语料质量也可能不一样，比如说，现在同样是满血版的 DeepSeek，百度版和腾讯版的语料，就来自于各自的内容生态。此时就需要开发者选择自己信任的生态。
对于专业的企业用户，就可以从数据侧下手规避幻觉。在这方面，现在 RAG 技术已经在应用开发中普遍采用。
RAG，也就是检索增强生成，是先从一个数据集中检索信息，然后指导内容生成。当然，这个集合是要根据企业自己的需求，搭建的事实性、权威性数据库。
Sam 认为，这种方法虽好，但不适合一般的个人用户，因为涉及到大样本的数据标注，成本很高。
ChatGPT 为个人用户也設定了一个调整方案来减少幻觉。在 ChatGPT 开发者中心的 playground 中，有一个调节参数功能，专门用来给普通用户使用。但目前 DeepSeek 没有提供这个功能。
ChatGPT 在 playground 提供了参数调整功能
实际上，就算有这个功能，一般用户可能也会嫌麻烦。Sam 说，他发现 ChatGPT 的这个功能，一般的个人用户就很少会使用。
那么个人用户怎么办呢？目前来看，对于大家反应较多的 DeepSeek 幻觉问题，最靠谱的方法也有两个，第一个是多方查询，交叉验证。
例如，我的一位养猫的朋友说，使用 DeepSeek 之前，她一般是在小红书上学习养猫知识，DeepSeek 虽然方便，但是她现在仍然会用小红书，用两个结果去交叉验证，经常会发现 DeepSeek 的结果被此前一些广泛流行的错误观念污染。
如果是想用 DeepSeek 做一些专业数据搜集，这个方法可能就没那么好用。此外，还有一个更简单的方法。
具体来说，就是你在对话中，如果发现 DeepSeek 有自己腦补的内容，就可以直接告诉它，" 说你知道的就好，不用胡说 "，DeepSeek 马上就会修正自己的生成内容。
chatgpt 给出的建议
Sam 说，对一般用户来说，这个方法效果不错。
实际上，正如我们前文所说，DeepSeek 幻觉更严重，一部分原因是因它更智能。反过来说，我们要打败幻觉，也要利用它这个特点。
