大模型幻觉和知识截止的区别

用模型做事，最烦的不是它答不上来，而是它答得头头是道却不对。这时候你要先分清：是它在编，还是它压根没见过这段资料。两种情况的处理方式完全不同——编的要加约束和校验，没见过的要补上下文或换检索。这篇给一套能立刻上手的判断流程。

用模型干活，最烦的不是它答不上来，是它答得头头是道却不对。这时候别急着骂模型不行，先做一件事：判断它是在编，还是压根没见过你问的这段资料。这两种错的成因、修法、验证方式都不一样。编的要压生成、加校验；没见过的要补上下文、加检索。搞混了，你会花大量时间在一个根本改不动的地方使劲。

这篇给一套能立刻上手的判断流程：四个探针先定性，再按原因选动作，最后落到一条可以反复用的排查顺序。中间会说明什么情况下这套判断不适用——不是所有发散回答都叫幻觉，也不是所有过时答案都值得修。

先分清：两种错，不是一回事

幻觉指的是：模型在你给的信息之外，凭空补出了细节。语气笃定、结构完整、看着像真的，但事实层面没有依据。知识截止指的是：这段内容它确实没在训练里见过，只能靠猜或者含糊带过。两者的共同点是「答错了」，差别在于错的来源完全不同。

幻觉

信息不存在于给定上下文里，模型自己造了一个看起来合理的东西填进去

知识截止

信息存在于现实中，但不在模型的训练范围里，它没有可靠依据可调用

叠加情况

既没学过，又不肯承认没学过，于是用幻觉把知识缺口盖住——这是最常见也最难查的一种

怎么判断是哪一种：四个可操作的探针

不用什么高级工具，四个动作就能把大多数情况分开。核心思路是：改变输入条件，看输出怎么变。如果换个问法它就跟着变，说明它在猜；如果给它资料它就对了，说明它只是缺资料。

1. 问来源让它指出依据在哪、原文哪一句、出自哪个文档。幻觉的典型表现是给一个笼统位置或者干脆再编一个出处。验证方式：拿它给的出处去对，对不上就直接归到幻觉。
2. 改问法同一问题换措辞、换语言、拆成两步问，隔一会儿再问一次。答案飘忽、每次细节都不一样的，多半是幻觉；稳定给出同一套旧内容、只是细节偏旧的，多半是截止。
3. 给资料把原文片段直接贴进上下文，再问同一个问题。答对了，说明能力够，问题在知识覆盖；给了原文还答错或者往里加东西，问题在生成和约束。
4. 对时间凡是涉及近一两年的事件、版本、政策、价格，先默认它可能没学过，不要因为它答得顺就当真。去 /models 看模型资料页的口径，比问模型自己更靠谱。

四个探针不用全跑，通常跑一两个就能定性。顺序建议是：先问来源，再看换问法的稳定性，最后用贴资料来确认。如果时间成本高、只想要个粗判，直接跳到贴资料那一步。

知识截止的自我检查清单

这里最容易踩的坑是：把模型自己说的截止时间当成权威。它对自己训练数据的说法本身就不一定可靠，可能是旧信息、可能是推测、也可能是被问法带出来的。要判断截止范围，得从外部资料反推，而不是从对话里问。

• 把模型自报的截止时间只当线索，不当结论，尤其是涉及高时效内容时
• 要准确口径，去 /models 和各家官方说明页核对，不要凭对话里的自称
• 法规、价格、榜单、版本这类高时效内容，任何模型输出都只能当线索，最终去 /official-api 与 /price-watch 核对当时的数字
• 自建或本地部署的模型，截止时间取决于你拿到的权重版本，跟线上同名服务可能不一致，别混用结论
• 同一家的不同接入方式（官方直连、中转、第三方封装）可能挂到不同模型，问之前先确认你实际在调哪个

什么情况下幻觉概率明显变高

幻觉不是均匀分布的，它有几类高发场景。知道这些场景，你能提前预判哪里该加校验，而不是等出错了才回头查。

反过来说，任务本身开放、没有唯一答案的时候，比如起名、润色、头脑风暴，所谓的「幻觉」其实是正常发挥，不用去纠正。判断标准很简单：这句话如果被当成事实引用，会不会造成实际损失。会，才需要拦。

按原因选处理动作

定性之后，动作就清楚了。核心原则是：知识问题用补资料解决，生成问题用约束和校验解决。别指望用一个动作同时搞定两种错。

• 判定为截止：优先做检索增强，把原文片段作为上下文的一部分喂进去，这比换模型见效快
• 判定为幻觉：在提示里明确要求「没有依据就说没有依据」，并要求先给依据再给结论
• 两者都沾：让模型只负责归纳和表达，事实查找交给检索或人工，别让它既找又写
• 批量任务：对关键字段设规则校验，比如数字范围、格式、必填项，先卡住明显错的

有一点要提醒：加约束不是万能的。提示词里的「不要编」对明显幻觉有抑制作用，但对模型自认为有把握的错误往往无效。真正稳的做法还是把事实来源外部化，让模型少做记忆型任务。

一条可复用的排查顺序

下面这条顺序可以直接抄走用。重点是第一步固定问题，很多人跳过这步，导致后面每次复现的结果都不一样，根本没法比。

1. 固定问题把提示词、参数、上下文长度、模型标识记下来，保证同一问题可以稳定复现。没这步，后面所有对比都是白做。
2. 做给资料对照同一问题，一次不带资料、一次带原文资料。带资料答对→知识问题；带资料还答错→生成或理解问题。
3. 做改写提问换措辞、换语言、拆两步各问一遍。答案发散→幻觉倾向；答案一致但明显过时→截止倾向。
4. 抽样校验对关键字段做程序化核对或人工抽查，用 /tools/quality-check 这类工具建立基线，方便后面比较。
5. 留回退把通过校验的答案和对应提示词存一份，换模型或改提示时拿来对比，避免改完更差还看不出来。

这条顺序也适用于评测场景。如果你要给不同模型打分，先确保每个模型面对的是同一个固定问题和同一份资料，否则分数高低反映的可能是提示词差异，而不是模型差异。挑选渠道时可以参考 /sites 上的可信度信息，别只看单一来源的结论。

这些场景不用纠结是不是幻觉

不是所有「和事实有出入」的输出都值得修。判断的锚点只有一个：这句话被当成事实使用后，会不会带来实际损失。不会的话，过度纠错反而增加成本、拖慢流程。

• 创意写作、命名、营销文案：本来就要求发散，只要不冒充事实就行
• 摘要里的连接词和过渡句：属于表达层加工，不算事实性错误
• 明确标注「以下为推测」的回答：只要标注保留、下游知道这是推测，风险可控
• 内部讨论草稿：还没定稿、不对外引用，先跑通流程比逐句较真更重要

反过来说，只要是会被直接引用、进入对外文档、或者驱动自动化决策的输出，就得按前面的流程走一遍。特别是数字、日期、引用来源这类字段，宁可慢一点，也别让它带着幻觉流向下一环。想系统了解各家模型在高时效内容上的表现，可以到 /rankings 对照当时的评测数据，而不是凭单次体验下判断。