9月18日，由学生工作部主办、计算机科学与技术学院的AI课堂第四期在网络思政社区如期开展。本期课程围绕“无数据智能体幻觉研究”主题，通过案例引入、原理拆解、方法指导等形式展开深度分享，带领同学们读懂AI幻觉的底层逻辑，建立对人工智能的理性认知。

       课堂以贴近日常的鲜活案例为切入点，直观拆解了AI幻觉的真实面貌。李杰成老师从大家熟悉的日常使用场景讲起，听信AI建议误食毒蘑菇、跟着AI导航被困深山、被AI推荐美食带到陵园…… 一个个生动又真实的“踩坑”案例，瞬间拉近了同学们与技术概念的距离。他点明AI幻觉本质是大模型“在缺乏事实依据时仍生成看似合理且表述自信的内容”：当问题超出模型知识边界时，它仍会输出自信却错误的回答。与人类“不懂就说不知道”不同，AI的生成机制只追求语句流畅合理，本身没有真伪判断的概念，这也是很多人被AI“误导”的根源。

       针对“AI为什么会造假”这一核心疑问，李杰成老师通俗易懂地解释了AI幻觉的成因。大模型依靠概率生成机制逐字预测下一个词语的出现概率，优先保障文本流畅度而非内容真实性，同时受限于训练数据，模型本身知识总量有限，难免存在信息过时与知识盲区。在人类反馈强化学习的训练模式下，模型会慢慢迎合用户偏好，宁愿给出错误回答也不愿拒绝提问，海量知识被压缩进模型参数时也会产生知识压缩失真，丢失部分关键信息，除此之外，推理跳步、提问模糊带来的推理指令偏差，同样会造成最终答案偏离事实。

       在厘清幻觉成因的基础上，李杰成老师从日常使用到技术方案多个维度，给出了抑制AI幻觉的破局路径与实用方法。在日常使用层面，我们提问时可以通过补充具体背景与约束条件、要求模型基于事实作答、限定回答的知识范围，来大幅降低幻觉概率；在技术层面，知识图谱技术可以为AI锚定精准知识，通过图结构串联知识点、处理模糊重复信息，为大模型装上“事实底座”。老师鼓励同学们结合专业领域构建专属知识库，通过人工审核保障内容准确性。

       课堂还进一步拓展认知边界，引导同学们建立理性的技术思维与求真态度。李杰成老师通过对比交互式AI与AlphaGo的底层异同，拓展了同学们对AI技术的认知视野；同时建议同学们主动学习领域专业知识，参考行业白皮书与高校经验分享，提升自身的提问能力与信息辨别能力。他表示，AI不是万能的答案机器，当代大学生既要善用AI工具，也要读懂工具背后的原理，保持求真的态度，不盲从、不迷信技术输出。

       此次沙龙，将前沿技术原理与生活化应用场景相结合，不仅让同学们系统掌握了AI幻觉的相关知识与应对方法，更引导同学们跳出工具使用者视角，探索人工智能时代的技术真相与思维方式。未来，系列沙龙将持续聚焦AI前沿话题，赋能学子成长，助力青年在智能浪潮中夯实认知底座，提升核心竞争力。

活动照片