GPT-5感觉变蠢，结果是因为幻觉变少了？

主要观点总结

自OpenAI发布GPT-5以来，用户反馈其变得“呆板”和“不灵动”，这主要是因为GPT-5的幻觉率降低，模型输出更严谨但主观能动性减弱。这有利于写代码和Agent构建，但不适合大多数消费级用户。GPT-5变得被动，需要详细提示词才能驱动。厂商们面对AI幻觉问题感到困惑，因为高幻觉率被视为“病”，但降低幻觉又可能导致创造力减少。甄焱鲲分享了个人对GPT-5“讨伐”现象的理解，他认为幻觉是相对的，与使用者需求、场景特性有关。大模型幻觉分为5类，并在企业应用中带来负面影响和成本损耗。正确看待幻觉需辩证分析，并结合使用者能力和需求、场景特性来评估。厂商应设置“安全边界”来限定幻觉率。缓解幻觉的方法包括使用更合适的模型、In-Context Learning和微调。当下，大模型幻觉问题依然难以完全避免，需结合应用场景分析。

关键观点总结

关键观点1: GPT-5的幻觉率降低导致输出更呆板

GPT-5的幻觉率降低是为了提高其严谨性，但代价是模型输出变得呆板，失去了主动性。

关键观点2: 大模型幻觉的类型和负面影响

大模型幻觉可分为5类：语言生成幻觉、推理逻辑错误等，并带来预测错误、应用效果下降等负面影响。

关键观点3: 正确看待大模型幻觉

幻觉是相对的，与使用者需求、场景特性有关，需辩证分析并结合多种因素评估。

关键观点4: 缓解大模型幻觉的方法

当前缓解幻觉的方法包括使用更合适的模型、In-Context Learning和微调，但大模型幻觉问题依然难以完全避免。

关键观点5: 大模型幻觉问题的根源

大模型幻觉问题源于模型训练时知识和概念在时间上的局限性，以及基础框架的局限性。