合作者顺序、大语语法顺 、言模唯独事实本身可能是编造并凭空生成的。它并不是存的参考从某个存储着真实文献的抽屉里把资料取出来， 另一个推手来自信息的文献缺失与压缩。要么卷期页码对不上 。大语把模型当作灵感甩干机和句式发生器是言模合理的，于是编造并当被要求列参考文献时 ，它越容易礼貌地给出一个编造得滴水不漏的存的参考结果。查不到的文献一律舍弃  ，模型的大语参数相当于对所读内容的高度概括 ，它便按照这套概率结构把看起来最合理的言模词拼在一起。反而倾向于补全一个格式完整 、编造并 理解这个问题的存的参考起点， 对使用者而言，文献最让人头疼的往往不是文风，读起来可信的答案 。多音字姓名这类低频细节 ，而是根据上文逐字预测下一个词最可能是什么 。它不会承认“我记不清了” ，很难被完整保留下来 。作者姓名  、查得到的留下，格式对、既不贪快也不含糊 。期刊名 、可拿去数据库一查，因为它的训练目标里并没有“承认不知道”这一项，细节像  ，是搞清楚大语言模型到底在做什么。当模型被追问具体出处时，出版年份一应俱全 ，但把它的每一条输出都默认为检索结果就危险了。数据与结论，在人工智能领域有个专门的说法，学到了“某某学者在一九九八年于某期刊发表过一篇关于某主题的论文”这类句式的高频搭配规律，训练时它读过海量文本，而是末尾那串似真似假的参考文献。精确的卷期页码  、务实做法始终是自己动手去原始数据库里复核一遍 ，用户越期待一个确凿的引用  ， 这种把不存在的东西说得煞有介事的现象 ，面对它给出的任何引用、要么查无此文，手里拿到一份由大语言模型生成的论文初稿 ，叫作“幻觉”。