Aug 2025
Zhenhui (Jack) Jiang1, Yi Lu1 , Yifan
Wu1, Haozhe Xu2, Zhengyu Wu1, Jiaxin
Li1/ 蒋镇辉1,鲁艺1,吴轶凡1,徐昊哲2,武正昱1,李佳欣1
1HKU Business School, The University of Hong Kong, Hong Kong,
2 School of Management, Xi'an Jiaotong University, P. R.
China.
摘要
在人工智能浪潮席卷全球的背景下，大语言模型（LLM）正加速扎根知识服务、医疗诊断、商业分析等专业领域，其应用深度与广度持续拓展。然而，一个关键障碍始终横亘在前：“幻觉”——即输出看似逻辑自洽，实则与事实相悖或偏离语境的现象——已成为制约其可信度的关键瓶颈。为此，香港大学蒋镇辉教授领衔的人工智能评估实验室（AIEL），针对37个中美大语言模型（含20个通用模型、15个推理模型、2个一体化系统），从事实性、忠实性幻觉两方面评估其幻觉控制能力。测评结果显示，GPT-5（思考模式）和GPT-5（自动模式）分别斩获冠亚军，Claude 4 Opus系列紧随其后；字节跳动公司的豆包1.5 Pro系列表现突出，领跑国产模型阵营，但与国际顶尖模型之间仍存在显著差距；整体来看，本次测评模型更擅长于避免产生忠实性幻觉、但事实性幻觉控制能力仍有短板。这项研究揭示了AI可信度需兼顾事实与忠实性幻觉协同提升的必要性，为未来模型的优化提供了明确方向，推动AI从“能生成”向“可信赖”的关键性迈进。