一句话定义：幻觉（Hallucination）指大语言模型生成读起来通顺、格式漂亮，但内容与事实不符、或干脆是凭空捏造的输出——重点是，模型并不知道自己在编。
原理：一台只会算「下一句最像什么」的机器
模型本质上是一个逐词预测的概率机器。它每次只做一件事：根据上文，算出下一个 token 最可能是什么。它被优化的目标是「这段话像不像真实语料」，而不是「这段话是不是真的」。
打个比方：一个从没去过现场的美术生，凭看过的大量画作，能补出一幅看不出破绽的风景——笔触是对的，色调是对的，但画里那座山不存在。它不是要骗你，它只是把「最像的样子」填了上去。因为在概率的世界里，空白必须被填满。
这解释了为什么幻觉是必然副产品：模型没有「我不知道」的默认档位。遇到训练里稀薄的领域，它输出的仍是最流畅的那条路径。再加上解码时的随机采样，同一个问题问两次，可能一次对、一次编。
和相邻概念的区别
| 概念 | 有真相对照吗 | 有意图吗 | 典型表现 |
|---|---|---|---|
| 幻觉 | 没有 | 没有 | 假引用、假数字、不存在的条款 |
| 说谎 | 知道真相 | 有 | 故意给出错误信息 |
| 知识过时 | 学到的是旧的 | 没有 | 输出已失效的信息 |
| 措辞波动 | 事实不变 | 没有 | 换个说法讲同一件事 |
关键差别在「意图」和「自我觉察」：说谎的人心里有本账，幻觉连账都没有。
对从业者的意义
别把模型当数据库。常见做法是用 RAG（Retrieval-Augmented Generation，检索增强生成）先把原文捞出来，再让它基于原文回答；要求它标注出处；在提示里明确授权它说「不知道」；关键环节加规则校验、结构化输出或人工复核。评估时专门造一批「没有答案」的题，看它是老实摇头，还是硬编。
对普通人的意义
把它当成口才极好、但偶尔一本正经胡说的实习生。凡是人名、数字、日期、法条、链接，都回到原始来源核对一遍，具体以官方页面为准。让它「标出不确定的地方」能降低概率，但降不到零。
幻觉不会因为模型变大而消失，只会变少、变得更难被发现。能不能放心用，取决于你有没有为核对留出成本。