LLM幻觉不只是「胡说八道」？新理论首次拆解幻觉的两大根源丨ICLR'2026

HALLUGUARD团队 投稿 量子位 | 公众号 QbitAI 来自弗吉尼亚理工等机构的重磅研究， 第一次用统一理论解释：为什么LLM会产生幻觉？又为什么越推理越离谱？ 在医疗、法律、科研等高风险场景， "幻觉"正在成为大模型落地的最后一道坎 。 你可能已经见过这些情况： 问题是： 这些幻觉，真的是同一种问题吗？ 幻觉不是一种，而是两种，而且会"演化" 来自弗吉尼亚理工大学、MIT、达特茅斯学院等机构的研究团队，在 ICLR 2026 发表论文 HALLUGUARD ，首次从理论上给出明确答 案： LLM幻觉并非单一来源，而是由两类机制共同作用、逐步演化而成。 在真实应用中，LLM幻觉远比你想象得复杂。 两大根源，第一次被严格区分： 1. 数据驱动型幻觉（Data-driven） 来源：预训练/微调阶段的知识缺失、偏差、分布错配 更关键的是： 真实幻觉往往不是"二选一"，而是先错在数据，再被推理放大。 理论突破：首个"幻觉风险界"，解释幻觉如何产生和放大 论文提出一个全新的理论框架—— Hallucination Risk Bound （幻觉风险界） 它首次在数学上证明： 整体幻觉风险=数据误差+推理不稳定 ...