清华大学发布的《DeepSeek与AI幻觉》研究报告揭示了人工智能生成内容时的“幻觉”现象，即模型输出看似合理但存在事实错误或逻辑偏差。报告将AI幻觉分为两类：事实性幻觉（如建议糖尿病患者用蜂蜜控糖）和忠实性幻觉（如答非所问）。DeepSeek模型产生幻觉的主要原因包括训练数据偏差、知识更新滞后、复杂场景泛化困难等。
评测显示，DeepSeekV3在300道事实题测试中错误率达29.67%，而联网验证后错误率可降至17.3%。研究提出多种应对策略：双模型交叉验证、提示词约束（如限定时空范围）、实时数据联动（接入央行征信等权威库）。值得注意的是，AI幻觉也具有创造力价值，例如在新型酶结构设计、自动驾驶极端场景训练等领域产生意外突破。
该报告为普通用户提供实用指南：医疗咨询需关联最新临床指南版本，金融建议自动添加风险标签，历史类答案强制文献溯源。通过规范使用方式，既能规避风险，又能释放AI的创新潜力。
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。