ChatGPT 为什么会给出错误答案？
你向 ChatGPT 提了一个简单的问题，它回复了一段措辞精炼、语气笃定的文字。答案听起来很权威，于是你相信了它。但你刚读到的内容完全是编造的。这就是幻觉问题，而且它比大多数人意识到的要普遍得多。
ChatGPT 其实什么都不“知道”。它根据训练数据中的统计规律，预测序列中下一个最可能出现的词。当它缺乏某个主题的可靠信息时，并不会停下来承认自己不确定，而是去猜。而这些猜测往往听起来和真实的事实毫无区别。
OpenAI 自己也承认了核心问题所在：标准的训练和评估流程奖励的是自信的猜测，而不是承认不确定。可以把它想象成一场答错不扣分的选择题考试——理性的策略就是每题都猜，绝不留空。ChatGPT 正是这样做的，只不过它不是随便涂一个选项，而是围绕自己的猜测构建出一段详尽而令人信服的文字。
根本原因
概率优先于真相。大语言模型（LLM）的优化目标是生成统计上最可能出现的文本，而不是事实准确的文本。当训练数据中缺少正确答案的充分体现时，ChatGPT 会生成概率最高的词语序列，而不管它是否属实。
训练数据问题。ChatGPT 从海量互联网文本中学习，其中既有同行评审的研究，也混杂着 Reddit 帖子、观点类博客、阴谋论内容和过时文章。模型本身并不具备区分可靠来源与不可靠来源的能力。
无法意识到自己出错。ChatGPT 无法判断自己什么时候错了。它没有内部的事实核查机制。它生成的是它预测会让你满意的文本——而让你满意和准确是完全不同的两回事。
谄媚倾向。新一代 ChatGPT 模型曾因过度迎合用户而受到专门批评。4o 更新发布时，评测者注意到其谄媚程度异常之高——模型告诉用户的是他们想听的，而不是准确的内容。
数据说话：ChatGPT 出错的频率有多高？
实际错误率在很大程度上取决于你问的是什么。对于简单、有充分记录的事实，比如某个国家的首都，ChatGPT 相当可靠。但一旦涉及复杂推理、小众话题或任何需要最新信息的内容，数字就会变得令人担忧。
| 指标 | 比率 | 来源 / 背景 |
|---|---|---|
| GPT-5 在 MMLU Pro 上（学术） | 约 13% 错误 | 准确率 87%，在 48 个模型中排名第 3 |
| 复杂推理 / 开放域知识回忆 | 最高 33% 以上错误 | 2025 年基准测试元分析 |
| GPT-4o 幻觉率（有依据场景） | ~1.5% | Vectara 幻觉排行榜 2025 |
| 开启思考模式的 GPT-5 | ~4.8% | 事实性查询中的编造答案 |
| ChatGPT 处理法律内容 | ~6.4% | 特定领域幻觉测试 |
| GPT-3.5 编造的参考文献 | ~40% | 引用了根本不存在的来源 |
| GPT-4 编造的参考文献 | ~29% | 有所改善，但仍接近每 3 条就有 1 条 |
结论：即使是目前最先进的 ChatGPT 模型 GPT-5，在学术问题上也大约每 8 题就有 1 题出现事实错误。在涉及推理、时事或专业领域的更难任务上，错误率还会明显升高。而且模型在猜测时几乎从不提醒你。
你会遇到的 5 类 ChatGPT 错误
ChatGPT 的错误并非都是同一种样子。了解不同的错误类型，有助于你识别自己何时收到了错误信息。