清华大学团队DeepSeek教程五+DeepSeek与AI幻觉.pptxVIP

;一、什么是AI幻觉

二、DeepSeek为什么会产生幻觉三、AI幻觉评测

四、如何减缓AI幻觉

五、AI幻觉的创造力价值;Prompt：给我一些DeepSeek在金融行业的应用案例

DeepSeek：

某头部银行利用DeepSeek构建因果归因网络，识别小微企业违约的隐性因素(如上下游账期错配)，针对性设计“供应链票据贴现+账期保险”组合产品，不良率下降4.2个百分点。

国信证券在“金太阳APP”中部署DeepSeek-R1-

Distill-32B端侧模型，客户本地输入风险测评数据后，模型生成个性化投资组合建议，仅将匿名化策略权

重同步至云端风控系统，数据泄露风险降低90%。;;Whisper：OpenAI的自动语音识别（ASR）系统

行业应用：医疗系统中，将患者与医生的对话问诊过程音频，转写为文字病例，有超过

30000名临床医生和40个医疗系统使用

发现：100多个小时的Whisper转录样本，其中约有一半内容存在幻觉

原音频：“嗯，她的父亲再婚后不久就去世了”

转录文本：“没关系。只是太敏感了，不方便透露。她确实在65岁时去世了”

结果：2.6W多份自动转录病例中，几乎每本都存在瞎编和幻觉问题，对患者健康和医疗系统产生严重负面影响;;;;数据偏差：训练数据中的错误或片面性被模型放大（如医学领域过时论文导致错误结论）

泛化困境：模型难以处理训练集外的复杂场景（如南极冰层融化对非洲农业的影响预测）

知识固化：模型过度依赖参数化记忆，缺乏动态更新能力（如2023年后的事件完全虚构）

意图误解：用户提问模糊时，模型易“自由发挥”（如“介绍深度学习”可能偏离实际需求）;音乐的主观性和多样性：音乐是一种高度主观的艺术形式，人们对音乐的审美和理解有很大的差异。一段音乐是否“合理”或“正确”，往往取决于文化背景、个人偏好和上下文

音乐的抽象性：音乐本质上是抽象的，不像文本或图像那样直接对应现实世界的具体事物。文本中的“幻觉”通常是因为模型生成的内容与事实不符，而音乐本身往往缺少明确的事实基础

音乐的可感知性差异：音乐是时间性的艺术形式，即使某些部分听起来不协调或不符合预期，它们也可能在整个作品的上下文中变得合理。相比之下，文本??图像中的问题往往是瞬间可见的，容易引起注意

音乐“幻觉”的潜在表现：逻辑断裂的歌词、结构混乱的旋律、风格混杂的编曲;信息污染风险：由于DeepSeek的低门槛和普及度高，大量AI生成内容涌入中文互联网，加剧

了虚假信息传播的“雪球效应”，甚至污染下一代模型训练数据

信任危机：普通用户难以辨别AI内容的真实性，可能对医疗建议、法律咨询等专业场景的可靠性产生长期怀疑

控制欠缺：DeepSeek的对齐工作较其他闭源大模型有所欠缺，其开源特性也允许使用者随意使用，可能会成为恶意行为的工具

安全漏洞：若错误信息被用于自动化系统（如金融分析、工业控制），可能引发连锁反应

……;大模型;大模型;常识错误;逻辑陷阱

提问：为什么一向见钱眼开的小明仍然会被金钱蒙住双眼;虚构事件;DeepSeekV3：提问??回答；DeepSeekR1：提问?思维链?回答

推理增强???幻觉率降低

逻辑准确性与错误减少：推理能力强的模型能减少因逻辑错误导致的幻觉。例如，在数学问题中，模型若具备多步推理能力，更可能得出正确结论而非臆测答案

上下文理解与信息关联：强大的推理能力使模型更精准地捕捉上下文关联，避免因断章取义而生成虚构内容。例如，在问答任务中，模型能通过推理排除干扰选项，降低错误率;Vectara：摘要任务，DeepSeekV3幻觉率3.9%，DeepSeekR1幻觉率14.3%;推理增强???幻觉率增加

逻辑过度外推：当模型具备强大的逻辑关联能力时，会倾向于在已知事实间建立「超合理」的虚构连接。例如，时间线延展：已知某科学家发明A技术（1990年），自动补全其在

1995年获得诺贝尔奖（实际未发生）。

认知置信度错位：低推理能力模型更易回答“不知道”，高推理模型会生成符合概率分布的

“自信错误”答案。

错误前提下的正确推理：初始假设错误，但模型基于此展开正确推理。;联网搜索

”请使用联网功能“、联网功能选项;双AI验证/大模型协作

例如，利用DeepSeek生成答案后，再应用其他大模型进行审查，相互监督，交叉验证;提示词工程

知识边界限定：通过时空维度约束降低虚构可能性（本质：约束大模型）

时间锚定法：“基于2023年之前的公开学术文献，分步骤解释量子纠缠现象→规避未来时态虚构

知识锚定法：”基于《中国药典》回答，若信息不明确请注明“暂无可靠数据支持”→限定权威来源

领域限定符：“作为临床医学专家，请列举FDA批准的5种糖尿病药物”→添加专业身份限定

置信度声明：“如