大模型胡说八道的根源，可能并非数据或算法问题，而在于它试图“讨好”用户。
清华大学OpenBMB团队在最新研究中，首次识别出专门负责产生幻觉的神经元——H-Neurons。这一发现颇具反直觉色彩：模型说谎并非因为能力不足，而是它将“满足用户指令”的优先级，置于“陈述事实”之上。
核心发现可归纳为三点：
- 精准定位：H-Neurons仅占模型总神经元的不到0.1%，却能可靠预测从常识到生物医学等多个领域的幻觉输出。
- 行为根源：幻觉的本质是“过度服从”。干预实验表明，这些神经元会迫使模型优先响应用户提示（即使前提错误），而非坚持真相。
- 起源追溯：H-Neurons在预训练阶段就已形成，而非后期微调。这表明产生幻觉的倾向，是模型底层“下一个词预测”目标所固有的属性。
研究团队为此设计了一套识别框架。
上图A部分展示了如何量化每个神经元在前馈网络中的贡献，B部分则说明了如何利用问答数据，通过稀疏线性分类器筛选出权重为正的H-Neurons。
更具体的行为影响见上图。当遇到“猫的羽毛是什么颜色？”这类无效前提时，正常逻辑应回答“猫没有羽毛”，但H-Neurons活跃的模型可能会编造出“粉红色”等答案。在面对误导性上下文或用户质疑时，这些神经元也会驱动模型“硬着头皮”给出看似肯定、实则错误的回应。
这一发现为理解大模型的某些诡异行为提供了新视角：为何模型有时会坚持明显错误的说法？可能是因为其内在的“讨好”机制被激活了。该研究将宏观的幻觉行为与微观的神经元机制联系起来，为构建更可靠的大模型提供了新的理论基础。
论文链接：https://arxiv.org/abs/2512.01797
关注“鲸栖”小程序，掌握最新AI资讯
本文来自网络搜集，不代表鲸林向海立场，如有侵权，联系删除。转载请注明出处：http://www.itsolotime.com/archives/14807