激励还是本体论？对OpenAI幻觉论的结构性反驳

OpenAI近期认为，大型语言模型的幻觉主要源于误导性评估激励，后者奖励自信猜测而非认知谦逊。在此观点下，幻觉是一种偶然的行为性artifact，可通过改进基准和奖励结构来缓解。本文挑战了该解释。基于对结构性幻觉的前期工作及使用授权 oracle 进行的实证实验，我们认为幻觉并非优化失效，而是Transformer模型的结构必然性。Transformer不建模世界，而是对token间的统计关联进行建模。其嵌入空间形成一种源自语言共现的伪本体，与世界关联结构无关。在训练数据稀疏或不连贯的本体边界条件处，该模型必然插值虚构的延续，以维持连贯性。任何激励机制都无法改变这种对模式完成的结构性依赖。我们的实证结果表明，幻觉只能通过外部真理验证与停发模块来消除，无法通过激励、提示或微调来实现。授权 oracle 之所以在各领域实现完美的停发精度，正是因为它提供了Transformer所缺乏的 grounding。我们得出结论，幻觉是生成式架构的结构属性，可靠的人工智能需要混合系统，以区分语言流畅性与认知责任。