# OpenAI 自己解释为什么大模型总爱瞎编：评分标准在鼓励它猜，而不是说“不知道”

> 原标题：Why language models hallucinate

- 来源：OpenAI News
- 发布时间：2025-09-05T10:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/480
- 原文：https://openai.com/index/why-language-models-hallucinate

## 摘要

OpenAI 发了篇新论文，把大模型“幻觉”的锅扣在了训练和评测方式上。现在的考试只看最终答案对不对，模型瞎蒙一个还有概率撞对，老实说“不知道”反而直接零分。文章拿 SimpleQA 测试举例：gpt-5-thinking-mini 准确率 22%，但错误率只有 26%，因为它有 52% 的问题直接拒答了。

## 推荐理由

OpenAI 在论文里把大模型幻觉归因于训练和评测只看最终答案，猜错仍有概率得分，拒答却直接零分，SimpleQA 上 gpt-5-thinking-mini 靠 52% 的拒答率把错误率压到 26%。

## 锐评

52% 拒答换 22% 准确率，这个交易其实挺划算。SimpleQA 上两个模型准确率只差两个点，弃答率差 51 个点，错误率高低基本是评测规则逼出来的，模型本身没那么大差别。现在这套只看最终答案的打分方式，蒙对和真会拿一样的分，说不知道直接零分，那模型当然选猜。跑 eval 的时候把弃答单独算一列，不然分数只是在测谁更敢赌。
