《计算机行业GenAI系列报告之68：2026大模型幻觉能被抑制吗？-260122（23页）.pdf》由会员分享，可在线阅读，更多相关《计算机行业GenAI系列报告之68：2026大模型幻觉能被抑制吗？-260122（23页）.pdf（23页珍藏版）》请在三个皮匠报告上搜索。

1、2026大模型幻觉能被抑制吗？相关研究本期投资提示：.当我们在说模型进步的时候，我们在说什么？智能化水平的提升和错误率（幻觉）的下降。智能化水平的提升，打开了AI大模型能力的上限，而幻觉的控制，则是保障模型的下限，而我们认为，下限是让AI应用真正落地的核心。何谓幻觉？即语言模型常产生过度自信的似真谬误，这种错误模式就被称为幻觉。当下AI大模型的幻觉主要包括无中生有、事实错误、语境误解、逻辑谬误等。根据哥德尔不完备定理，一个系统或者大模型是不能自证清白的，必定有一些幻觉是无法消灭的。因此幻觉控制和智能化水平提升一样，是一个始终伴随AI算法发展的重要命题。.围绕“幻觉”这个命题，我们产生了四个核心

2、思考：1）导致幻觉的因素有哪些；2)如何降低幻觉，从模型算法、数据、工程化几个维度探讨；3）Agent进化的痛点：多步执行如何解决错误累积问题？4）幻觉对于不同领域AI应用落地的影响？怎么评估？已经看到的趋势？.数据端，最核心是喂给模型高质量的数据。因此当下业界聚焦高质量数据集的构建，海天瑞声、ScaleAl采用mathsfAl+人工”模式清洗标注，减少训练噪声；推理阶段通过自动过滤矛盾信息，提升输入数据可靠性。.工程化方面，RAG技术成2B标配，Gartner预计2025年企业采用率将达68%，搭配D&Q问题分解框架，将问题拆解为多个相互依赖的子问题，并通过深度优先搜索的方式逐步推进推理路径

3、，从而减少幻觉的发生。.我们对幻觉问题的回答是，2026年，AI模型的幻觉会得到有效控制。VectaraHHEM测评中，全球幻觉率最低的TOP25个大模型。其幻觉率低于8%。通过工程化+RAG方式，部分严肃场景下AI模型的可用性也正在提升。在幻觉能够得到控制的前提下，我们看好三大方向：1）最先成熟的AI应用：税友股份、合合信息、鼎捷数智、卓易信息、汉得信息、万兴科技等；2）幻觉不敏感，商业化速度快的营销AI：迈富时、新致软件、光云科技等；3）数据+mathsfAlinfra:海天瑞声、深信服等。风险提示：技术迭代不及预期风险；数据质量与合规风险；商业化进展不及预期风险等。投资案件2026年，A

4、I模型的幻觉能够得到有效控制。AI幻觉不可避免，但通过算法、数据、工程化等控制，全球幻觉率最低的TOP25个大模型已降低至8%以内，达到可落地水平。息、万兴科技等；3）数据+mathsfAlinfra：海天瑞声、深信服等。原因与逻辑数据端，最核心是喂给模型高质量的数据。因此当下业界聚焦高质量数据集的构建，海天瑞声、ScaleAl采用mathrmmathsfA1mathrm+人工”模式清洗标注，减少训练噪声；推理阶段通过自动过滤矛盾信息，提升输入数据可靠性。工程化方面，RAG技术成2B标配，Gartner预计2025年企业采用率将达68%，搭配D&Q问题分解框架，将问题拆解为多个相互依赖的子问题

5、，并通过深度优先搜索的方式逐步推进推理路径，从而减少幻觉的发生。有别于大众的认识市场认为，大模型的幻觉不可避免。我们认为，从数学原理上幻觉无法避免，但从模型训推范式、架构创新、推理部署侧工程化等多层面努力，大模型幻觉率正在不断降低。且全球已经初步形成了一套完整的幻觉评估及控制方法论，幻觉能够得到有效控制，根据Vectara的HHEM测评，目前全球大模型幻觉率最低可做到1.8%。市场认为，AI应用的落地受制于幻觉。我们认为正由于幻觉的存在，且通用模型的幻觉高于垂直领域专业模型，使得在行业内有丰富数据和know-how的Al应用厂商更有差异化优势，不会被大模型吞噬。市场认为，严肃场景下AI的渗透速

6、度会非常慢。我们看到例如财税等严肃场景，通过丰富的知识库，和严谨的工程化手段（不仅是RAG，还包括可纠错的Agent系统等），模型可用率和准确率正在提升，且部分厂商已经实现了有规模的AI商业化收入，渗透速度并不慢。1幻觉一模型能力的下限当我们在说模型进步的时候，我们在说什么？本质是智能化水平的提升和错误率（幻觉）的下降。智能化水平提升，当前有一个共识的路径一Scaling，即扩大训练语料、参数规模和训练算力。在Scaling这条路上演化出了四条分支，Pre-trainScaling、Post-trainingScaling、ReasoningScaling、Mid-trainScaling。智