A face-swapping illusion can unlock childhood memories
通过让人们感觉自己就像是自己年轻时的面孔，研究人员可以更清晰地聚焦童年记忆
Detecting Translation Hallucinations with Attention Misalignment
一种获得神经机器翻译标记级不确定性估计的低预算方法《用注意力错位检测翻译幻觉》一文首先出现在《走向数据科学》上。
A Teacher Writes to Students Series (66): Queer Hallucinations
老师写给学生的系列 (66)：酷儿幻觉 Annavajhula J C Bose，博士 SRCC, DU 经济系前教授 假设在考试后或学期间歇期间，你注意到自己有一种心理模式，出现一系列入睡幻觉 – 无害的幻觉，既不是精神症状 [...]
German Science Blog Accuses PIK Climate Institute of Hallucinating Climate Tipping Points
作者的最终结论是，“气候灾难”是一种叙事建构，而非数据驱动的必然性。
What color is this dot? New illusion demonstrates weird vision quirk
九个简单点的视错觉揭示了有关眼睛和大脑的惊人信息
7 Ways to Reduce Hallucinations in Production LLMs
大多数 LLM 幻觉修复都会失败。这是在生产中实际起作用的。
Hallucinations in LLMs Are Not a Bug in the Data
这是架构的一个特点法学硕士后的幻觉不是数据中的错误首先出现在《走向数据科学》上。
本文介绍了如何使用安全第一的 QA 方法将 AI 纳入您的教学设计工作流程。这篇文章首次发表在 eLearning Industry 上。
Grade Inflation and the Illusion of Equity
作为一名高中历史老师，我很高兴制定课程计划，让学生通过不同的视角看待他们的世界，并在过去和现在之间建立联系。当我看到学生们经历了“灯泡”时刻，认识到当权者如何扭曲历史以维持权力或从[…]后年级膨胀和公平的幻觉中首先出现在教育者室中。
Cram Less to Fit More: Training Data Pruning Improves Memorization of Facts
本文在 ICLR 2026 基础模型导航和解决数据问题研讨会上被接受。大型语言模型 (LLM) 可能很难记住其参数中的事实知识，通常会导致幻觉和在知识密集型任务中表现不佳。在本文中，我们从信息论的角度将事实记忆形式化，并研究训练数据分布如何影响事实准确性。我们表明，每当训练数据事实中包含的信息量超过模型时，事实准确性就不是最佳的（低于容量限制）......
Your ReAct Agent Is Wasting 90% of Its Retries — Here’s How to Stop It
大多数 ReAct 风格的代理都默默地将重试预算浪费在永远不会成功的错误上。在 200 个任务的基准测试中，90.8% 的重试都花在了幻觉的工具调用上——不是模型错误，而是架构缺陷。本文展示了为什么即时调整无法解决这个问题，以及完全消除浪费重试的三种结构变化。 文章《你的 ReAct Agent 正在浪费 90% 的重试 — 以下是如何阻止它》首先出现在 Towards Data Science 上。
How to achieve zero-downtime updates in large-scale AI agent deployments
当您的网站出现故障时，您会立即知道。警报响起，用户抱怨，收入可能停止。当你的人工智能代理失败时，这一切都不会发生。他们不断回应。他们只是回应错误。代理可能会出现完全可操作的情况，同时出现幻觉策略细节、在会话中丢失对话上下文或消耗代币预算直到速率限制关闭它们......如何在大规模 AI 代理部署中实现零停机更新的帖子首先出现在 DataRobot 上。
The Inversion Error: Why Safe AGI Requires an Enactive Floor and State-Space Reversibility
对幻觉、可校正性和缩放无法弥合的结构间隙的系统设计诊断《反演错误：为什么安全 AGI 需要有效层和状态空间可逆性》一文首先出现在《走向数据科学》上。
Когда слово — «воробей»: птичьи стаи учат ИИ собранности
已经开发出一种方法来对抗在总结大型文本时对大型语言模型的幻觉。
A better method for identifying overconfident large language models
这种用于测量不确定性的新指标可以标记幻觉并帮助用户知道是否信任人工智能模型。
StatGPT: The Dangers of Asking AI about Statistics
询问生成式人工智能工具的问题通常会产生所需输出的合理初稿。当然，它可能有一些不准确甚至是幻觉，但初稿总是不完美的。由作者来修复它们。 （你可能会说你的个人初稿不会产生幻觉。真的吗？你从来没有……继续阅读 StatGPT：向 AI 询问统计数据的危险这篇文章 StatGPT：向 AI 询问统计数据的危险首先出现在 Conversable Economist 上。
