别让“反幻觉”杀死AI创造力，最新实证研究来了！
 
很多人一听到AI“幻觉”，第一反应就是赶紧关掉，仿佛模型只要不胡说八道就算成功，可问题是，一个永远只敢说标准答案的模型，真的能帮科学家发现新东西吗？
 
2026年6月22日《中国能源报》报道，国内团队在降低大模型关键知识缺失和幻觉率方面取得进展，这场关于“既要可靠又要敢想”的讨论，已经从实验室走向真实应用。（信源：2026年6月22日《人民日报》）
 
南洋理工大学团队在论文中提出了一个很有意思的问题，模型产生幻觉当然不好，可科学创意有时候也来自“不按套路出牌”，如果把所有不确定、跳跃、离奇的想法都提前掐掉，留下来的可能只是四平八稳的答案，听起来很正确，却很难让人眼前一亮。
 
这项研究测试了三种常见的反幻觉办法，验证链CoVe、对比层解码DoLa和检索增强生成RAG，研究人员还用了NeoCoder和CS4两个创造力基准，一个偏向有规则的编程任务，一个偏向开放式故事生成，简单说，就是既看模型能不能在框架内想办法，也看它敢不敢把思路放远一点。
 
结果最让人意外的是，CoVe不但没有压住创造力，反而提升了模型的发散能力，它的做法有点像让模型先提出答案，再自己列出疑点，重新验证一遍，再从多个方向补充，这个过程不像考试，更像一个人拿着草稿纸反复琢磨，越问越容易冒出新点子。
 
这对科研特别重要，因为科学研究不是搜索引擎问答，不是把已有结论换个说法，而是从一个不起眼的异常现象里，猜出一条过去没人认真走过的路。
 
很多真正有价值的假设，最初看起来甚至有点“不靠谱”，只是它必须经过实验和证据筛选，而不是一出生就被判死刑。
 
RAG的表现则比较平淡，它给模型补充资料，主要作用是减少事实错误，但对发散创造力没有明显提升。
 
这其实不难理解，往模型桌上多放几本书，不代表它马上就能写出新理论，关键还要看检索到的内容是不是新鲜，来源是不是可靠，以及模型有没有把不同知识真正碰撞起来。
 
我一直觉得，RAG更像给模型装了一间资料室，资料室很重要，却不会自动替你灵感爆发，倘若检索结果全是重复信息，模型只会更熟练地复述旧观点，只有当资料之间存在差异、冲突甚至空白时，才可能真正刺激新的联想，这一点和人类做研究很像。
 
真正值得警惕的是DoLa，这种方法通过比较模型不同层级的预测来提高事实性，可实验显示，它在两个创造力测试中大多拉低了发散表现，研究团队推测，模型早期层可能保留了更多探索性信息，过度对比以后，连那些尚未成形的想法也一并被削弱了。
 
这就像一个编辑拿着红笔改稿，错别字、病句当然要删，可如果看到一句不够规整的话就直接划掉，文章最后可能没有错误，却也没有味道，科技创新尤其如此，太早追求整齐，往往会把真正珍贵的“不寻常”一起清理掉。
 
不过，这项研究并不是在替幻觉开脱，模型编造数据、捏造论文、虚构实验结果，依然必须严厉防范，尤其在医疗、工程、金融和公共决策中，事实错误可能带来真实损失，创造力不能成为胡编乱造的遮羞布，想象力也必须接受证据约束。
 
我更愿意把模型输出分成两个阶段，前面允许它大胆发散，哪怕提出几个看上去古怪的方向，后面再用检索、计算、实验和人工复核逐层收紧。
 
这比从开头就要求模型“绝对正确”更符合科研规律，人类科学史本来就是大胆猜想和严谨验证不断交替的过程。
 
研究还发现，创造力并不是一整块铁板，发散性创造力和趋同性创造力可以分开看，前者负责想出更多可能，后者负责从一堆可能里挑出最合理的答案，未来的大模型或许不该只有一个统一模式，而应该根据任务切换状态，写诗时放开一点，算药物时谨慎一点，做论文时边想边查。
 
这也提醒使用AI的人，别把“回答得像标准答案”误认为“真的聪明”，一个模型如果每句话都谨慎得像公文，当然不容易犯错，但也可能永远停留在整理资料的阶段，真正有用的科研助手，应该敢于提出假设，同时清楚标注哪些是事实，哪些只是推测。
 
南洋理工大学这项研究目前仍有局限，创造力基准毕竟不能完全代替真实科研，CoVe为什么有效也没有通过充分的消融实验解释清楚，RAG的效果还会受到检索质量影响，所以它更像一盏提示灯，而不是最终判决，别急着把结论喊成定论。
 
但它至少把一个常被忽略的问题摆到了台面上，反幻觉不是越强越好，关键要看用在什么地方，面对新闻事实和实验数据，模型需要像审计员一样谨慎，面对科学设想和创意策划，它又得保留一点敢想敢试的空间。
 
说到底，我们要解决的不是让AI变成一个永远不犯错的“乖学生”，而是让它学会在大胆想象之后主动检查，在事实不清时明确说明，在证据不足时留下余地，这样的模型才可能从会答题的工具，慢慢变成真正能参与科研、创作和发现的伙伴。