幻觉

自恋幻觉的ABC

自恋幻觉的ABC投射性认同是一种孤独的游戏，沉浸在这种游戏中的人，会比一般人更加渴望建立亲密关系，但他们在亲密关系中看不到对方的真实存在，只关注对方是否如自己所愿，按照自己所渴望的方式对待自己。
李涛25班·2025-07-29 14:09

《庸医》

坚持分享第404天（原创总第572天2018年6月30日星期六）这两天晚上睡觉的时候总产生幻觉，到了后半夜还是听见有微弱的嘀嗒声响，屏息静静的听着，也不知道是外面空调水在滴，还是什么声音？
红云_杨柳清风·2025-07-28 20:58

RAG面试内容整理-1. 检索增强生成（RAG）概述与意义

传统的大型预训练语言模型（LLM）容易受到训练语料限制，面对超出其知识范围或需要最新信息的查询时可能产生“幻觉”。
不务正业的猿·2025-07-27 14:18

大模型幻觉问题解决：AI原生应用提升回答准确性的方法

大模型幻觉问题解决：AI原生应用提升回答准确性的方法!
AI算力网络与通信·2025-07-27 12:37

大模型的安全风险全解：Prompt Injection、信息泄露与幻觉问题

但当你把它真正嵌入产品，尤其是企业级应用时，三个问题就像幽灵一样悄悄飘来：PromptInjection（提示注入攻击）️‍♂️信息泄露（SensitiveLeakage）幻觉现象（Hallucination
代码AI弗森·2025-07-26 15:25

信用卡学习笔记

中国的信用卡业务呈现出一个特征：传统的银行信用卡业务滞后，而网络信用卡的工具发达；3.这些网络信用工具本质上就是信用卡，只是从有形的卡片换成了虚拟卡片；4.在科学合理地利用信用卡的过程中，你要注意克服自己的利率幻觉
成长的周周·2025-07-26 04:50

2023-10-25

测验中，他们坐在山顶上，不吃不喝，等待由于饥饿产生的幻觉出现。幻觉中将出现一个人，这个人带来了来自精神世界的预言，这些预言能指导孩子们的生活。当孩子们孤零零地在山
秋文新生小广·2025-07-25 04:51

如何面试AI产品经理职位？

以下是系统分析及准备建议：一、AI产品经理核心职责技术桥梁：将业务需求转化为技术方案（如LLM优化、推荐系统设计）全链路管理：主导AI产品从需求分析、模型选型、效果验证到上线的全流程风险控制：识别并解决模型偏见、幻觉
·2025-07-24 15:56

我的这一年

不要幻觉自己在“学习
老普洱·2025-07-23 14:52

医疗AI应用中的幻觉缓解：案例与经验

——幻觉缓解的案例与经验关键词：医疗AI、幻觉现象、大语言模型、知识Grounding、多模态验证、临床安全、可解释性摘要：医疗AI（如大语言模型、辅助诊断系统）在提升医疗效率的同时，“幻觉”（生成不符合事实的医疗建议
AI天才研究院·2025-07-23 12:27

AI编程实战：Cursor避坑指南与高效提示词设计

当然，AI生成内容有时会存在“幻觉”，切勿完全轻信其输出，关键信息务必自行核查验证后再投入使用。
孟柯coding·2025-07-21 23:54

关于韭菜的交易费

对于交易费李笑来在《韭菜的自我修养》中写到：“韭菜”的幻觉在于，他们用行动表明他们的坚信和坚持，他们认为自己的智商与体力，完全可以打败手续费……殊不知，“抽水”是人类史上唯一可以永续的商业模式，真
我才是Alpha呀·2025-07-21 12:36

探究抑郁症

临床可见心境低落与其处境不相称，情绪的消沉可以从闷闷不乐到悲痛欲绝，自卑抑郁，甚至悲观厌世，可有自杀企图或行为；甚至发生木僵；部分病例有明显的焦虑和运动性激越；严重者可出现幻觉、妄想等精神病性症状。
抱着幸福·2025-07-21 03:29

消弭大模型幻觉

据称，其用户使用率从54%骤降至3%，主要原因直指一个词：“幻觉”。或许这个数据并未被官方证实，但这场风波却准确地揭开了一个愈发严重的隐忧：我们正在与一类能力极强、却时常“胡说八道”的系统共处。
灰图06·2025-07-20 16:43

Synergizing RAG and Reasoning: A Systematic Review-RAG与推理能力深度结合-新方向

欢迎关v：数据分析能量站0论文小结一、研究背景与核心问题大语言模型（LLM）在处理复杂任务时面临两大瓶颈：知识局限性：纯LLM存在“知识幻觉”（编造事实）和“领域知识缺口”；推理浅度：传统检索增强生成（
数据分析能量站·2025-07-19 19:05

《自我放松训练》读书笔记

重复背诵一些有自己编排的指令，比如我的双臂在发热或者我的身体在变得越来越轻松，直到自己感觉到由该指令说描述的效果正在身体上出现，这类似于臆想和幻觉的演习，属于潜意识领域的内容。
dear心理咨询师黄倩雯·2025-07-19 18:46

Prompt相关

目录Prompt设计基础一.推理模型（例如gpt-4o，能够快速反应）二.通用模型Prompt相关一.AI需求类型二.Prompt类型三AI幻觉写Prompt技能一.基本技能二.基本策略三常见陷阱四如何写好一个
伤心美眉·2025-07-11 01:56

人工智能-基础篇-18-什么是RAG(检索增强生成：知识库+向量化技术+大语言模型LLM整合的技术框架)

知识幻觉：当问题超出模型训练数据范围时，LLM
weisian151·2025-07-09 20:47

当争论者还在讨论AI的边界，实践者早已用这些技术解决实际问题

通俗拆解版）1️⃣LLM：AI的「决策核心」本质：大型语言模型（如DeepSeek、通义千问），具备语言理解与生成能力能力边界：✅处理文本类任务（写作/翻译/摘要）❌无法获取实时信息（如最新股价）⚠️存在“幻觉
渡难繁辰·2025-07-09 07:47

AI伦理与安全之-哥斯拉与缰绳：如何让“哥斯拉”听懂人类的“悄悄话”？

AI伦理与安全之-梦境与幻觉：它为何会一本正经地胡说八道？在上一篇中，我们谈到AI像一面“镜子”，会映照出我们数据中的偏见。但那只是AI伦理问题中的“序章”。
众链网络·2025-07-08 08:48

【论文复现】利用生成式AI进行选股和分配权重

由于生成式AI模型可能产生幻觉，因此需要谨慎验证和验证其输出。本文采用另一种方法，利用ChatGPT从S&P500市场指数中获取潜在有吸引
代码能跑就行管它可读性·2025-07-08 07:36

从被动检索到主动思考：Naive RAG 到 Agentic RAG 的架构演进与关键技术解析

摘要随着大语言模型（LLMs）的广泛应用，检索增强生成（Retrieval-AugmentedGeneration,RAG）技术已成为解决模型知识滞后与幻觉问题的核心方案。
一休哥助手·2025-07-08 05:25

在 Dify 平台中集成上下文工程技术

1.提升LLM问答准确率的上下文构建与提示策略大语言模型在开放领域问答中常面临幻觉和知识过时等问题。为提高回答准确率，上下文工程的关键是在提示中注入相关背景知识与指导。
由数入道·2025-07-07 10:08

Cursor黑科技实战：AI编程革命，效率提升300%的秘籍

Python）生产力暴涨秘籍黑科技1：AI结对编程（Ctrl+L）黑科技2：代码气味检测（Ctrl+Shift+K）黑科技3：SQL优化（自然语言转SQL）避坑指南：Cursor三大死亡陷阱陷阱1：过度生成幻觉代码陷阱
IT莫染·2025-07-05 12:31

大模型岗到底有哪些？这六个主要工作让你秒懂！

:能独立采取行动以实现特定目标的AI个体；Agent的特点：会使用工具，比如查数据库，买车票；拥有记忆，可以记住之前经历；会根据环境、自身记忆、自身能力进行行动决策；Agent的缺陷：带着大模型本身的幻觉情况
AGI大模型学习·2025-07-04 16:18

结合LangGraph、DeepSeek-R1和Qdrant 的混合 RAG 技术实践

传统RAG通过向量数据库存储文档嵌入并检索相关内容，结合大语言模型（LLM）生成回答，有效缓解了LLM的“幻觉”问题。
大模型之路·2025-07-03 17:45

语言的钥匙：提示工程的艺术与驾驭AI的智慧

当大型语言模型（LLM）如GPT-4展现出令人惊叹的通用能力，却又伴随着“幻觉”、“黑箱”和“不可控”等阴影时，一个核心问题变得无比迫切：人类如何有效地与这些庞然大物沟通，引导它们可靠、安全、精准地完成任务
田园Coder·2025-07-03 10:51

【LLaMA 3实战：检索增强】13、LLaMA 3+RAG精准问答系统优化全指南：从检索增强到可信度提升实战

准确性提升的三大核心挑战问题类型典型表现传统方案局限RAG+LLaMA3解决方案知识滞后型错误回答包含过时技术细节依赖模型预训练更新动态检索最新文档库上下文误解曲解问题意图或检索内容固定分块导致语义断裂语义感知分块+动态查询扩展事实幻觉虚构不存在的概念或数据缺乏外部事实校验溯源标注
无心水·2025-07-02 07:53

Cursor AI 编程黑科技实战技巧

规避幻觉代码：对复杂需求追加约束（例：“用Python连接MySQL，禁用ORM，使用参数化查询
深山技术宅·2025-07-01 18:23

面向大语言模型幻觉的关键数据集：系统性综述与分类法

面向大语言模型幻觉的关键数据集：系统性综述与分类法摘要大语言模型（LargeLanguageModels,LLMs）在自然语言处理的多个领域取得了革命性进展，但其固有的“幻觉”问题——即生成看似合理但与事实不符或与上下文无关的内容
致Great·2025-06-30 23:23

RPC：跨越代码与硅晶的“握手”——你每天都在用，却可能从未真正理解它

——从本地调用的幻觉到服务万物的底座，解析这个支配云原生时代的隐形协议引言：一个程序员的日常困境想象一下这个场景：你正在构建一个电商系统。
老马爱知·2025-06-28 16:02

【RAG面试题】LLMs已经具备了较强能力,存在哪些不足点?

目录LLMs核心不足点1、知识过时与静态性（LackofReal-Time&DynamicKnowledge）：2、幻觉与事实性错误（Hallucinations&FactualInaccuracies
一叶千舟·2025-06-28 15:50

深入理解RAG：大语言模型时代的知识增强架构

然而，即使是最先进的模型也面临着知识更新滞后、事实性错误（幻觉）和专业领域知识不足等根本性挑战。
小胡说技书·2025-06-25 23:43

大模型应用实战1——大模型基本开发知识及GLM4的原理与应用（用大模型做游戏npc）

2.多轮互动产生原因：大模型会自己发散（幻觉）3.functionCalling产生原因：用户可以提问不同类型的事情，比如天气和季节解决方法：不要去给大模型设定好要做什么这里面，框架就要承担很重要的职责
爱学习的uu·2025-06-23 17:19

这9个MCP服务器改善AI幻觉（减少99%的代码错误）

几乎所有AI编程助手都在持续产生过时API的幻觉，忘记项目上下文，并一遍又一遍地犯同样的错误。
李孟聊人工智能·2025-06-22 21:02

大模型RAG系统面试题及参考答案

RAG如何减少“幻觉（hallucination）”？为什么说RAG可
大模型大数据攻城狮·2025-06-22 18:13

基于 LLM 的网络钓鱼网站检测多代理框架

虽然大型语言模型（LLM）的最新进展通过上下文理解改进了网络钓鱼检测，但大多数现有方法都依赖于面临幻觉风险的单代理分类，并且缺乏可解释性或稳健性。
hao_wujing·2025-06-22 01:30

百度大模型免费上线，学AI大模型就选近屿智能

文心大模型4.5是百度自主研发的新一代原生多模态基础大模型，通过多个模态联合建模实现协同优化，提高多模态理解能力，精进语言能力，提升理解、生成、逻辑、记忆能力和去幻觉、逻辑推理、代码能力，甚至还能理解网络笑话
·2025-06-20 04:29

LangChain、RAG、Agent是什么

背景与技术概述：随着大语言模型和RAG技术发展，AI知识库广泛应用于各行业，但传统信息管理系统存在问题，大模型也有“幻觉”现象。
ZhangJiQun&MXP·2025-06-20 00:33

llama_index chromadb实现RAG的简单应用

由于大模型存在一定的局限性：知识时效性不足、专业领域覆盖有限以及生成结果易出现“幻觉”问题，需要通过结合实时数据和专业知识提升生成内容的准确性、时效性和可信度。‌‌
victorwjw·2025-06-19 21:07

就离谱！Python相对路径竟暗藏杀机？90%开发者踩过的坑！

本文揭露Python相对路径的三大致命陷阱，带你破解那些年我们都被骗过的"路径幻觉"！一、血泪现场：谁动了我的相对路径？
倔强青铜3·2025-06-19 04:03

《思考是幻觉，自由是剧本》：“独立思考”是精英编造的神话！普通人连认知权都没有...

《思考的本质：从自由意识到被编程的幻觉》目录引言：你以为你在思考，其实你只是在复读第一章：意识，是进化的工具，还是控制的容器？第二章：思维是你的？不
·2025-06-18 13:17

Langchain学习笔记(五)：检索增强生成(RAG)基础原理

一.RAG系统的基本原理与架构检索增强生成（Retrieval-AugmentedGeneration,RAG）是一种结合了检索系统和生成式AI的混合架构，旨在解决大语言模型(LLM)的知识时效性和幻觉问题
zhangsan0933·2025-06-16 01:09

就离谱！Python相对路径竟暗藏杀机？90%开发者踩过的坑！

本文揭露Python相对路径的三大致命陷阱，带你破解那些年我们都被骗过的"路径幻觉"！一、血泪现场：谁动了我的相对路径？
·2025-06-15 15:00

一个Rules+3个MCP就让你的Cursor不仅无幻觉还能自主给修Bug，甚至还能把高速回复500次提升到2500次。

经过我的实测，这3个配合能让你的Cursor使用自动测试并优化cursor自己写的代码，不用再手动每次复制粘贴Bug让cursor看，全程无幻觉，还能把高速回复次数提升到2500次，免费版本IDE也可以使用
asunnyboy861·2025-06-15 15:06

RAG：2025年检索增强生成前沿技术完全指南

这项诞生于2020年的创新技术，通过将信息检索（Retrieval）与文本生成（Generation）解耦又融合的设计，突破了传统语言模型“幻觉”问题的桎梏，为构建可信、可控、可扩展的AI系统奠
大模型之路·2025-06-13 11:18

【论文阅读笔记】HaDes幻觉检测benchmark

0论文信息题目：AToken-levelReference-freeHallucinationDetectionBenchmarkforFree-formTextGeneration作者：TianyuLiu,YizheZhang,ChrisBrockett,YiMao,ZhifangSui,WeizhuChen,BillDolan会议：ACL，2022链接：https://arxiv.org/ab
zsq·2025-06-13 05:32

【大模型应用笔记】检索增强生成（RAG）是什么？

优势是提高答案准确性，减少幻觉，支持实时更新知识。主要步骤包括：检索：从知识库中找到相关文档增强：将检索到的信息注入到prompt中生成：模型基于增强后的上下文生成回答知识预处理-
·2025-06-13 02:12

为什么RAG系统必须引入Rerank？深入解析两阶段检索的价值与挑战

在当今大模型应用中，检索增强生成（RAG）已成为解决知识更新和幻觉问题的关键技术，但超过70%的RAG系统在首次部署后都面临答案不精准的困扰——而引入Rerank重排序机制，正是解开这一困局的关键密钥。
一休哥助手·2025-06-12 19:18

CON:Chain-of-Note: Enhancing Robustness in Retrieval-Augmented Language Models 论文解读

RALM主要存在两个问题：搜索结果误导性：搜索结果依赖其召回和排序，所以不一定和问题相关，不相关的结果融合到大模型中会给大模型带来误导导致错误的答案（甚至有的时候大模型依靠内部记忆能够正确回答）；回复幻觉问题
亦万·2025-06-12 17:29
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他