基于 LLM 的智能体会产生幻觉：分类、方法与方向的综述
人工智能
2025-11-19 v2
摘要
在大语言模型（LLM）快速发展的推动下，基于 LLM 的智能体已成为具备类人认知、推理和交互能力的强大智能系统。这些智能体正越来越多地被部署于各种现实应用中，包括学生教育、科学研究和金融分析。然而，尽管具有巨大的潜力，基于 LLM 的智能体仍然容易出现幻觉问题，这可能导致错误的任务执行并破坏整体系统设计的可靠性。要应对这一关键挑战，需要对基于 LLM 的智能体的最新进展有深入的理解和系统的梳理。为此，我们提出了首篇关于基于 LLM 的智能体幻觉的全面综述。通过仔细分析智能体的完整工作流程，我们提出了一种新的分类法，识别了在不同阶段发生的不同类型的智能体幻觉。此外，我们深入检查了导致智能体幻觉出现的十八个触发原因。通过对大量现有研究的详细回顾，我们总结了幻觉缓解和检测的方法，并强调了未来研究的有前景的方向。我们希望这篇综述能激发更多致力于解决基于 LLM 的智能体幻觉问题的努力，最终有助于开发更稳健、更可靠的智能体系统。
引用
@article{arxiv.2509.18970,
title = {LLM-based Agents Suffer from Hallucinations: A Survey of Taxonomy, Methods, and Directions},
author = {Xixun Lin and Yucheng Ning and Jingwen Zhang and Yan Dong and Yilong Liu and Yongxuan Wu and Xiaohua Qi and Nan Sun and Yanmin Shang and Kun Wang and Pengfei Cao and Qingyue Wang and Lixin Zou and Xu Chen and Chuan Zhou and Jia Wu and Peng Zhang and Qingsong Wen and Shirui Pan and Bin Wang and Yanan Cao and Kai Chen and Songlin Hu and Li Guo},
journal= {arXiv preprint arXiv:2509.18970},
year = {2025}
}