大模型产生的“幻觉”——即一本正经地输出事实性错误，一直是困扰AI行业的核心痛点，尤其在医疗、法律等高风险领域，这一问题显得尤为致命。 长期以来，业界对抗幻觉的思路主要有二:一是不断扩大训练数据，试图让AI“全知全能”;二是设置防御机制，让AI在拿不准时选择“闭嘴”。然而，这两条路径都有明显的局限性。前者无法穷尽世间所有事实，总有盲区;后者则往往导致严重的“实用性税”:为了消除错误，AI不得不拒绝回答大量正确的问题，极大地牺牲了用户体验。 近期，谷歌研究院与特拉维夫大学联合发表的一篇论文，为这一困局提供…