DeepSeek-R1在某些情况下会出现“胡说八道”的现象，即幻觉，其幻觉率为14.3%，远高于行业平均水平。这一问题主要源于数据、模型和应用层的多重因素。
在Vectara HHEM人工智能幻觉检测中，DeepSeek-R1显示出14.3%的幻觉率，远高于DeepSeekV3和行业平均水平。例如，在国际象棋游戏中，DeepSeek-R1出现了明显的幻觉，如主动送兵线、虚构规则更新等。
模型学习的大量知识中，有些事实或细节可能没有被充分记住或理解，导致预测时产生错误。大模型的设计原理决定了它必须基于已有知识进行预测和补全，当遇到不熟悉或模糊的信息时，模型会自动“想象”，从而产生幻觉。此外，在某些应用场景下，如科研检索，模型可能会生成与真实世界知识相矛盾的信息。
幻觉可能导致信息错误，对决策和学术研究等产生误导。但在某些创意性场景中，幻觉也可以被视为一种外在的想象力，激发人的灵感。
通过改进模型设计和训练数据可以降低幻觉率。使用者应了解模型的局限性，避免盲信盲从。同时，加强行业对AI模型的监管和评估，确保模型的准确性和可靠性也很重要。
