大语言模型如今正日益渗透到知识生产、商业分析、法律咨询与医疗决策等核心领域，一个过去常被视为技术性缺陷的问题，正迅速成为全球技术竞赛的新焦点：大语言模型的“幻觉”（Hallucination）——即模型在缺乏事实依据时，仍然以极高“信心”给出流畅、却虚假的答案。从中美科技巨头到全球初创企业，过去几年大模型的竞争主要围绕参数规模、运行速度与通用能力展开；而今，一个更具决定性的维度正在浮现：谁能更系统、更有效地控制幻觉，谁就将率先迈向“可信赖AI”（Trustworthy AI）的时代。
“幻觉”并非无关紧要的技术小瑕疵，而是AI真正走向专业化、产业化应用的关键阻力。在现实世界中，学生论文中无中生有的文献引用，金融分析中被编造的并购事件、法律咨询中一个子虚乌有的判例、医学报告中混淆的症状描述，都可能引发严重的经济或生命后果。
系统性风险揭示：香港大学 AIEL 测评洞察
为了更系统地了解这一隐性风险，香港大学人工智能评估实验室（AIEL）近期针对37个中美主流大模型进行了大规模测评，覆盖通用、推理、自动化系统等多种模型类型。测评结果不仅揭示了头部模型在可靠性上的新格局，也暴露了当前技术发展中仍未解决的根本性挑战。
幻觉的两个核心维度
本次测评将大模型的“幻觉”风险主要划分为两大类：
事实性幻觉（Factual Hallucination）：模型“说得像真的，但其实是假的”
这是大模型机制带来的天然风险。当模型面对不确定信息时，它往往倾向于“编造”一个逻辑完整的回应，而非回答“我不知道”。这类幻觉包括：生成不存在的学术文献；无依据地描述历史事件；对未知概念作出看似逻辑完整却错误的解释等。由于其机制根源，事实性幻觉被视为最难真正消除的幻觉类型。
忠实性幻觉（Fidelity Hallucination）：模型“却未完全按照指令完成任务”
这包括模型未能按要求控制格式、遗漏了指令中的关键信息、或擅自引入了文本外的信息等。尽管随着模型能力的提升，这类幻觉整体有所下降，但它仍是AI进入医疗、司法等强监管、高规范行业的主要障碍。
测评结果揭示，目前领先大模型在忠实性幻觉控制上已相当不错。例如，GPT-5系列在忠实性维度均取得满分，显示出卓越的任务遵循能力。然而，事实性准确度方面（GPT-5思考模式得分小于75分）仍有提升空间。这反映出大模型普遍存在“严守指令但易虚构事实”的倾向——事实可靠性依然是全球大模型的共同短板。
此外，我们还发现推理模型的幻觉控制能力表现较好。例如，通义千问3（思考模式）和Claude 4 Opus（思考模式）等推理模型的幻觉控制能力，均优于同系列通用版本。这表明，让模型进行深度的、多步骤的“思考”是当前控制幻觉最有效的技术手段之一。
AI的下一场革命不是生成，而是可靠
随着大模型向多模态与专业化方向纵深发展，“幻觉风险”已从学术议题演变为产业落地的红线。在医疗诊断或金融风控中，稳定、一致、可验证的答案远比“像人类的表达”更具商业价值。当大模型被引入公共治理与生命健康等高风险领域，衡量其价值的标尺已不仅再是“它能否回答”，而是：它的回答能否被托付给真实世界。
幻觉控制，这一曾被低估的能力，正在成为全球大模型竞争中的关键分水岭。下一阶段的技术分化，或许不在于生成得多快、多像人，而在于：何时，它值得被真正相信。
注：浏览香港大学人工智能评估实验室《大語言模型幻覺控制能力深度測評報告》全文：https://www.hkubs.hku.hk/aimodelrankings/leaderboards/hallucination.html
（作者系港大经管学院创新及资讯管理学教授、夏利莱伉俪基金教授 （战略信息管理学）。本文仅代表作者观点。责任编辑邮箱：tao.feng@ftchinese.com）