語言模型為什麼會產生幻覺？
因為它們的訓練與評分方式，獎勵自信的猜測，而不是承認不確定。Kalai 等人將幻覺描述為取代承認不確定而產生的、看似合理卻錯誤的陳述，並主張訓練與評估程序獎勵猜測而非承認不確定（Why Language Models Hallucinate，2025 年 9 月 4 日）。
當模型被問到小型或新品牌時，可依據的資訊很少，因此猜測的壓力最大的地方，恰好是品牌最承受不起錯誤回答的地方。
幻覺如何出現在關於品牌的回答中？
常見的幻覺都很具體，也可以查證：
- 產品並不具備的功能或整合。
- 從未存在或已經變更的價格、方案或免費方案。
- 從名稱相似的另一家公司借來的事實。
- 不存在的來源，或連結到內容與回答說法不符的頁面。
這在實際範例中是什麼樣子？
在公開的 Tesla 範例中（2026 年 10 月 4 日），Claude 根據模型已知的內容回答了「What is Tesla?」與「Is Tesla legit?」，沒有引用任何來源，而兩則回答對 Tesla 創立經過的描述不同：一則點名 Martin Eberhard 與 Marc Tarpenning，另一則點名 Elon Musk。
兩則回答都沒有引用任何東西，因此頁面上沒有任何可供對照查證的內容。在這種情況下，模型的猜測與事實在讀者眼中看起來完全一樣。
關於 AI 幻覺 的常見問題
我能阻止 AI 對我的品牌產生幻覺嗎？
無法完全阻止，但可以降低猜測的機率：在引擎讀得到的頁面上清楚陳述您的關鍵事實、保持第三方個人檔案一致，並修正引擎引用的錯誤頁面。
小品牌比較容易出現幻覺嗎？
模型關於小型或新品牌的訓練資料較少，因此可依據的資訊也較少。如果有好的頁面可供找到，會搜尋的回答會比較安全。
來自舊來源的錯誤回答算是幻覺嗎？
嚴格來說不算：引擎準確複述了來源，是來源本身錯了。修正方式也不同：去更正來源，而不是等待新模型。
所有引擎的幻覺程度都一樣嗎？
不一樣，而且會因問題與執行次數而異。請在各引擎上用您自己的品牌問題衡量，而不是依賴一般排名。
相關詞彙
- 品牌準確度
品牌準確度是指 AI 回答是否正確描述您的品牌：您賣什麼、適合誰、價格多少，以及與他人相比如何。
- 接地（Grounding）
接地（Grounding）是把 AI 模型的回答連結到外部來源，例如即時搜尋結果，讓它的說法建立在檢索到的內容上，而不只是記憶。
- 大型語言模型（LLM）
大型語言模型（LLM）是以大量文本訓練、用來預測並撰寫語言的 AI 模型，也是 AI 助理中負責撰寫回答的部分。
- 實體混淆
實體混淆是指關於您品牌的 AI 回答，描述的是（或開頭先講）另一家名稱相同或相似的公司或事物。
實例：Tesla，公開的 AI 回答，2026 年 10 月 4 日：Proofsource 對 Tesla 的第一次掃描，25 個買家問題和 5 個品牌問題，四個引擎各回答每個問題一次。這是單一品牌的小樣本，僅作為範例，不是基準。
