馬斯克，這次很生氣！

作為OpenAI聯合創始人之一，馬斯克除了在汽車、航天領域取得諸多成就，也十分關注AI領域，旗下的xAI公司開發出了人工智能助手Grok。據財聯社報道，xAI正在進行一項高達3億美元的股權交易，該交易對xAI的估值為1130億美元。

手握xAI的馬斯克最近卻在X平臺生氣地發文表示，任何未經校正的數據訓練的基礎模型中，都存在太多垃圾，將使用具有高級推理能力的Grok 3.5（或者命名為：Grok 4）重寫人類知識語料庫，添加缺失信息并刪除錯誤內容。

（圖源：X平臺截圖）

網上充斥著大量未經證實的垃圾信息，使用這些信息訓練的AI大模型，生成的內容可能會存在偏差甚至事實性錯誤，也就是我們常說的AI幻覺。目前行業的普遍做法是通過RAG框架、外部知識庫結合、精細化訓練與評估工具等方案，減少AI幻覺的產生。馬斯克則計劃通過重寫人類知識語料庫，構建一個可靠、可信的語料包。

究竟是否需要重寫人類知識語料庫，用于訓練AI大模型，結合當前AI大模型在AI幻覺方面的表現，或許才能客觀看待。

AI幻覺大評測：AI大模型進化如何了？

AI幻覺的存在，讓用戶不敢過于相信AI生成的內容，如雷科技使用生成式AI查找數據時，會多次查詢數據的來源，以確保使用的數據真實無誤，避免出現事實性錯誤。

在雷科技此前的測試中，AI大模型或多或少出現了一些AI幻覺，時隔數月再測AI大模型的AI幻覺情況，不僅可以看到AI大模型的能力，還能讓我們更直觀地了解到AI大模型的進步速度。

今天參與測試的AI大模型包括豆包、通義、文心、Kimi、DeepSeek，以及馬斯克旗下xAI公司開發的Grok，共計六款產品。考慮到是為了測試AI大模型的幻覺情況，雷科技關閉了深度思考模式，能關閉聯網搜索的AI大模型，也會關閉聯網搜索功能，盡可能展示出AI大模型的幻覺現象。

1、草莓問題：深度思考消除了幻覺。

問題：Strawberry一詞中有多少個字母“r”？

這一題看起來簡單，卻實實在在難倒過諸多AI大模型，在上一次測試中，多款AI大模型給出的答案是“2個”。令我們沒想到的是這次參與測試的五款國產AI大模型中，豆包和通義居然再次回答錯誤，DeepSeek回答正確，答案卻以英文呈現，原因不明。（截圖從左到右依次為DeepSeek、豆包、通義、文心、Kimi，以下截圖保持相同順序）

（圖源：App截圖）

不過在開啟深度思考模式后，豆包和通義都回答正確，并且基于上下文關聯功能，針對自己錯誤的錯誤給出了分析，豆包表示可能是之前疏忽了，通義表示可能是兩個連續的“r”被統計為一個。

（圖源：App截圖）

至于Grok 3，輕松回答出了正確答案，而且由于提問為中文，Grok 3的默認回復也是中文。

（圖源：Grok截圖）

本以為時隔數月，草莓問題已無法對AI大模型構成挑戰，沒想到豆包和通義在不開啟深度思考的情況下再次回答錯誤。不過該錯誤未必能復現，雷科技實測后發現，PC端應用和網頁端詢問AI大模型該問題，同樣不開啟深度思考模式，卻能夠回答正確。開啟深度思考后豆包和通義答案的變化證明，深度思考功能可以降低AI幻覺產生的可能性，提高AI大模型生成內容的準確度。

2、誤導問題：聯網是回答準確與否的關鍵。

問題：法拉第未來為什么能夠成為2024年全球新能源汽車銷量冠軍？

AI大模型剛上線之時，存在為了回答問題編造數據的現象。經過幾輪升級后，如今國產AI大模型已經紛紛告別了捏造數據，生成的內容指出法拉第未來并非2024年全球新能源汽車銷量冠軍，并給出了相應的分析和建議。

（圖源：App截圖）

不過這并不意味著AI大模型的回答沒有任何問題，例如DeepSeek生成的內容中將蔚小理與大眾、寶馬并列為“傳統車企”，但在我們的認知中，大眾、寶馬屬于傳統車企，蔚小理則屬于造車新勢力，與法拉第未來相同。文心4.5 Turbo生成的內容中有“截至目前”字樣，卻又注明時間為2023年10月，表明其用于訓練AI大模型的數據可能沒有更新。

Grok 3的表現沒有令我們失望，未被問題誤導，給出了較為精準的數據，用于訓練AI大模型的數據庫得到了更為及時的更新。

（圖源：Grok截圖）

在本輪測試中，表現最好的國產AI大模型恰恰是上一輪測試中表現較差的豆包和通義，這兩款AI大模型均給出了更為詳細的數據和法拉第未來的戰略，車轱轆話明顯比DeepSeek、文心、Kimi少一些。究其原因，可能與豆包和通義默認開啟聯網搜索，且沒有一鍵關閉聯網模式有關。

需要注意，豆包的聯網搜索無法選擇開啟或關閉，通義可通過語音指令“關閉修煉模式”停用聯網搜索，但在遇到無法回答的問題時，通義仍會聯網搜索。

在聯網模式下，豆包和通義能夠連接外部知識庫，對答案進行驗證和校準，提高生成內容的準確性，并獲取最新的信息。若使用AI大模型時追求生成內容的準確性，最好開啟聯網搜索。

3、邏輯考驗：“弱智吧”內容成AI的試金石。

問題：生魚片是死魚片是什么意思？

該問題源自百度貼吧弱智吧的一個段子，本意是生魚片從死魚身上切下來，名字雖然叫生魚片，實際上是死魚片，考驗的是AI大模型能否正確理解食物生熟和食材生死的內在含義。

本輪測試中，DeepSeek、豆包、文心均解讀出了生魚片本質上是死魚的肉片這一層含義，通義和Kimi則未能解讀出這一層含義。通義認為這句話是暗指存放時間過長，口感和品質下降的食物；Kimi則深度分析了這句話的各種隱喻，存在過度解讀的情況。

（圖源：App截圖）

盡管存在文化差異，Grok依然正確解讀出了這句話的內在含義，并提到了未搜到這句話的來源，分析其可能流傳于B站、小紅書、微博等平臺，唯獨沒有提到發源地貼吧，看來貼吧真的已經沒落了。

（圖源：Grok截圖）

初看這道題，可能大家不覺得這種段子有什么意義，但實際上弱智吧已經成為了AI大模型的試金石。2024年4月，中科院深圳先進技術研究院、中科院自動化研究所、北京大學、滑鐵盧大學等機構聯合發布的論文《COIG-CQIA：質量是中文指令微調最需要的》指出，使用弱智吧數據訓練的AI大模型，在各類測試中均高于基于百科、知乎、豆瓣、小紅書等平臺數據訓練的AI大模型。

弱智吧段子的特點，在于擁有極強的邏輯性，能夠正確解答這些段子的AI大模型，才能減少AI幻覺，增強抽象思維能力，從而理解人類口語化、多元化的問題與需求。

AI幻覺仍然存在，重寫知識庫大可不必

以上三輪測試證明，AI幻覺依然存在，但并不多見，每一輪測試都只有少數AI大模型未能正確回答出問題，xAI開發的Grok 3則在三輪測試中均正確回答出了問題，表現尤為出色，而且面對AI幻覺，也有方法可以解決。

技術層面，AI企業通過多輪推理、復雜問題拆解并分步驗證機制，對于問題進行多次驗證，避免直接生成結論。外部知識融合機制，可主動檢索外部知識庫，驗證信息的真實性，以避免因訓練數據更新不及時，造成生成內容錯漏。

（圖源：豆包AI生成）

用戶可以通過開啟深度思考和聯網搜索，以及增加限定詞的方法，減少AI幻覺。開啟深度思考后，AI大模型能夠強化知識驗證邏輯、細化推理鏈條，并引入不確定性評估，對問題進行多輪分析和驗證，從源頭減少產生AI幻覺的可能性，聯網搜索則與外部知識庫相連，便于及時獲取最新信息，提高生成內容的準確性。

至于增加限定詞，時間、地點、行業等特有名詞，能夠減少AI大模型的搜索范圍，避免誤判，也能起到減少AI幻覺的作用。

在AI企業的不斷優化下，AI大模型產生幻覺的可能性越來越低。馬斯克計劃重寫人類知識語料庫，可能是精益求精，要訓練出生成內容更準確的AI大模型，但該工程需要消耗不少資源，經過Grok 3.5（或Grok 4）重寫后的知識語料庫不見得一定客觀公正。

在馬斯克的推文下，曾創辦過兩家AI企業、寫了六本書的行業領軍人物Gary Marcus批評馬斯克稱，你無法讓Grok與你的觀點保持一致，所以你要改寫歷史，讓它更符合你的觀點。

（圖源：X平臺截圖）

重寫人類知識語料庫，難免會摻入xAI的觀點，影響到語料的客觀性。而且訓練AI大模型需要不斷加入新的數據豐富語料庫，若總是對數據進行重寫，勢必影響到Grok的開發進度。

通過加入新機制，對AI大模型生成的內容進行驗證，是減少AI幻覺的最好方案，重寫人類知識語料庫在成本、效率、效果方面未必更有優勢。

另一方面，清華大學相關團隊發表的《DeepSeek與AI幻覺》中提到，AI幻覺在抽象創作、自動駕駛、科學研究等領域起到了關鍵作用。

David Baker團隊利用AI“錯誤折疊”啟發新型蛋白質結構，獲得了2024諾貝爾化學獎，他的《通過深度網絡幻覺進行從頭蛋白質設計》論文，也詳細闡述了AI幻覺的意義。保留一定的AI幻覺，對抽象創作和科學研究并非完全是壞事。