让 AI 相互质疑，减少 AI 幻觉。

AI 幻觉为何会出现

AI 幻觉并不是程序漏洞，而是大语言模型工作方式的结构性特征。ChatGPT、Claude 或 Gemini 每次生成回答时，都是在根据训练数据中的模式，预测统计上最有可能出现的词语序列。它并不是从数据库中检索事实，而是在生成看起来、听起来都像正确答案的文本——无论它实际上是否正确。

AI 系统常见的评估方式又加剧了这个问题。如果基准测试只奖励正确答案，那么瞎猜可能比承认不确定得分更高。这就形成了一种促使模型自信作答的压力，哪怕像“我没有足够的证据”这样谨慎的回答对用户来说更安全。

这就形成了一个现实的悖论：让模型显得有帮助的那种行为，同样会让错误听起来头头是道。因此，应对幻觉需要从工作流程设计入手，而不只是在提示词上措辞更好。

四大结构性成因

1. 概率式生成：LLM 生成的是最可能出现的下一个 Token，而不是最真实的那个。当可靠的训练数据稀少时，模型就会默认输出听起来合理的虚构内容。

2. 训练数据噪声：模型从整个互联网上学习——学术论文、Reddit 上的观点、阴谋论博客和过时文章，在模式匹配过程中都具有同等权重。

3. 没有内部事实核查机制：LLM 无法区分自己确信“知道”的内容和只是在猜测的内容。两种情况下，输出听起来都同样权威。

4. 评估激励机制：模型针对的是那些奖励猜对、却忽视自信犯错代价的基准测试进行优化。只要评分体系对错误答案的惩罚不高于不作答，模型就会继续猜测。

可靠性工作流：对比、验证、决策

大多数关于幻觉的建议都止步于改进提示词。提示词固然重要，但它解决不了核心问题：你仍然是让一个模型给出一个答案。如果这个答案是错的，流畅的措辞反而会让错误更难被察觉。

更稳妥的工作流程会使用不止一个 AI。把同一个问题交给多个模型，并排对比它们的答案，尤其留意它们意见不一致的地方。意见一致并不能证明正确，但分歧很有价值：它会准确告诉你，在依赖结果之前，哪些论断、数字、引用或假设需要核实。

为什么 MultipleChat 更有可能给出正确事实

MultipleChat 无法保证 AI 给出的事实一定正确——没有哪款 AI 产品能诚实地做出这种保证。它能做到的是：与依赖单个模型相比，大大提高事实正确的概率，因为答案必须经受住多轮独立检验，而不只是一次措辞漂亮的生成。

单个模型只有一段训练历史、一条推理路径和一组盲点。如果它编造了一个数字、虚构了一个来源或漏掉了一个限定条件，你可能根本察觉不到。在 MultipleChat 中，同一个论断可以与其他模型的答案进行对比，通过 AI Collaboration 接受质疑，并借助 Auto Verification 或 Team Reason 进行审核。一个事实经受住的独立检验越多，你的信心就越足。

AI Collaboration：先让模型彼此讨论，再决定是否信任

并排对比答案只是第一步。下一步是 AI Collaboration：不再把模型当作一个个独立的标签页，而是让它们像一个小型审核团队一样协作。一个 AI 起草初版答案，另一个质疑其中的假设，再一个查找缺失的上下文，最后由验证者找出哪些论断仍需证据支持。

这一点很重要，因为当用户只要求一个最终答案时，幻觉往往会被保留下来。而当模型必须相互解释、批评和回应时，幻觉就更容易被发现。这种对话会暴露出一个精雕细琢的单一回答可能掩盖的不确定性。

各技巧效果对比

并非每种技巧都以同样的方式起作用。低风险的工作用简单的提示词改进即可；当答案会影响决策、客户、资金或公开发布的论断时，就要再加上对比、验证和人工审核。