ทันเอไอ

研究显示，LLM 撰写自传的错误率高达 96.7%，存在虚构和歪曲事实问题

一项新研究显示，与真实人生记录相比，使用大型语言模型生成自传时，几乎所有内容都存在虚构情况。

最新研究《Auditing the Synthetic Memoir: Measuring Scene-Level Confabulation in LLM-Generated Autobiography Against the Documented Record of the Life It Describes》于 2026 年 8 月发布在 arXiv，首次对大型语言模型 LLM（Large Language Model）撰写个人自传时的虚构（Confabulation）问题进行了量化分析。

研究作者 Heather Renze 让 LLM 通过对话逐日撰写一部涵盖 366 天的自传，仅提供模板、两天的示例和每日一句格言作为初始信息。随后，研究人员依据预先设定的四级评估标准，将每天的内容与真实事件记录（Ground-truth corpus）进行详细核验。

研究结果显示，核验失败率（Verification-failure rate）高达 96.7%，即 366 天中有 354 天未能通过验证，只有 12 天的事件与事实相符。此外，有 19 天的内容与事实直接冲突，占 5.2%。

最常见的错误模式是“Grounded drift”，即把真实存在的人物、地点或雇主，与模型自行虚构的事件混合在一起。研究因此认为，在缺乏适当数据基础或 Grounding 的情况下，使用当前 AI 模型生成个人生平故事仍有极高的信息失真风险。