品玩9月8日讯，据OpenAI发布研究指出，语言模型产生幻觉的核心原因，是现有训练与评估机制鼓励模型猜测而非承认不确定性。

实验显示，当被问及学者Adam Tauman Kalai的博士论文标题及生日时，某聊天机器人多次给出错误答案。研究认为，当前评估多以准确率为唯一标准，类似多选题中猜答案可能得分，说“不知道”则得零分，导致模型倾向冒险猜测。如SimpleQA测试中，o4-mini模型准确率略高，但错误率达75%，远高于选择“弃权”的gpt-5-thinking-mini模型。

OpenAI建议改革评分机制，对自信错误加重惩罚，为合理表达不确定性提供部分得分，并强调小模型也能通过“自知之明”减少幻觉，其最新模型已降低幻觉率。