人工智能实战：模型幻觉怎么前置发现？从无答案问题集到拒答策略、证据校验与幻觉率监控一、问题场景：资料里没有答案，模型却说得很像真的大模型最危险的问题之一是：不知道时也会说。在企业知识库场景中，这尤其严重。用户问：公司是否报销宠物托运费？资料里没有任何相关制度。正确回答应该是：根据现有资料无法确定。但模型可能回答：一般情况下，宠物托运费不属于常规报销范围，建议咨询财务。这句话听起来合理，但它不是基于公司资料。这就是幻觉。本文解决的问题是：如何通过无答案评测集、拒答 Prompt、证据校验和幻觉率监控，把幻觉问题前置发现并系统治理。二、前期如何发现幻觉？必须构造无答案问题集。不要只测有答案问题。示例：