根據 OpenAI 的研究論文，語言模型產生「幻覺」（錯誤輸出）的主要原因，在於訓練和評測機制獎勵模型「猜測」，而非誠實表達不確定性。現行主流評測標準多採二元計分，對「不知道」或「不確定」的答案給予零分，促使模型傾向猜測。
在 GPT-5 系統卡的 SimpleQA 測試中，GPT-5-Thinking-Mini 的「棄權率」為 52%，「錯誤率」為 26%。相較之下，較舊的 OpenAI o4-mini 模型的「棄權率」僅 1%，但「錯誤率」高達 75%。
這項數據顯示，GPT-5-Thinking-Mini 傾向於在不確定的情況下選擇棄權，以降低錯誤率。研究建議修改主流評測機制，明確納入「信心門檻」與錯誤懲罰，以減少 AI 幻覺並提升可信度。
This is a simplified version of the page. Some interactive features are only available in the full version.
本頁為精簡版，部分互動功能僅限完整版使用。
👉 View Full Version | 前往完整版內容