视频来源：上观新闻(02:54)

“康熙皇帝有几个儿子”“请列出康熙皇帝儿子的姓名名单”“请给我一份康熙的儿子名单”，将这三条指令发送给人工智能大模型，猜猜答案是什么？

让人意外的结果出现了：不仅不同的大模型回答不一样，即便是同一个大模型，答案也有偏差。比如，有的答案统计了康熙所有的儿子数量，表示共有35人，包括正式排序的儿子和早殇未排序的儿子；有的只列出了正式排序的24个儿子；还有的没有任何解释，列出了儿子的姓名，但顺序错乱……

大模型要能够“读懂”图表。

基于此，在关注大模型“无所不能”时，也要关注大模型的短板。积极信号是，越来越多的大模型开发者开始关注“可信大模型”。有的开发出“大模型加速器”，帮助大模型理解图表等相对复杂的语料库，从源头为大模型训练与应用输送纯净“燃料”；也有的在大模型开发中引入对应的技术，尽量消除“AI幻觉”，助力大模型跑得更快更稳。

不过，基于大模型存在短板、会不自觉地“造假”这一现状，业界人士提出，有必要强化为AI生成的内容“打标签”。

一方面，对于AI生成的内容，大模型开发者应采取技术措施添加标签，对可能导致公众混淆或者误认的，更要显著标识。另一方面，信息发布平台要加强管理，督促上传信息者为AI生成内容打标签，帮助公众区分。

普通人识别大模型造假，有诀窍

宗良提醒，AI幻觉本质上有两种，一种是完全的“胡说八道”，另一种是部分内容不准确或不完善。对后者而言，虽然不完全正确，但仍有一定的参考价值。同时，也不能完全否定“AI幻觉”的价值，因为这也是AI创新的起点。

当然，从准确获取信息的角度看，公众还是要对大模型输出结果或生成的内容保持警惕。眼下，部分自媒体或不法分子开始批量通过人工智能生成各类文章，乍一看似乎与正常的新闻报道无异，但真实性大打折扣，不少是为了博眼球之作。

不过，大模型的生成结果仍旧有迹可循。公众可以通过部分关键词、行文格式等，识别由人工智能生成的文章。

其一，此类文章会在特定的关键词、用语、表述等方面形成固化形式，有点类似“小编给你说说某件事，某件事是什么呢，小编给你说说”这样看似合理却没有实际意义的内容。

其二，在人工智能生成的文章中，会出现一些通用关键词，包括“以下是 XXX 的常见方法和手段”“通过上述手段”等，这其实是大模型通过检索信息后进行的归纳。公众如果看到这些关键词，不妨提高警惕，不要轻信。

其三，需要各方携手合作，培养公众的数字素养，提高公众对大模型造假等深度伪造的认识和辨别能力。