《自然》子刊：设计效率优于规模，可减少AI幻觉

大模型“越大越好”的信仰正在被数据挑战。一项发表在《科学报告》上的新研究通过对参数量从10亿到70亿不等的七款模型进行系统评测后发现，决定AI幻觉（即模型生成看似合理但实际错误内容）发生率的，并非只有模型规模。架构设计、训练数据质量和对齐方法等非规模因素，对性能差异的贡献接近四分之一，足以让现代30亿参数模型在可靠性上追平上一代70亿参数模型。这意味着，在中等规模下进行精细化设计，其收益相当于将模型尺寸翻倍，而所需参数量和算力却只有后者的一半。 这项研究由美国西崖大学和国际美国大学的研究团队完成，他们针对当前大模型军备竞赛中“堆参数”的主流思路提出了直接质疑。研究指出，尽管行业普遍认为更大的模型必然带来更强的推理能力和更低的幻觉率，但实测数据显示，当参数量超过30亿后，继续扩大规模的边际收益急剧下降，在某些跨家族模型对比中，性能增益甚至缩水了十六倍。换言之，多花数倍算力换来的可靠性提升微乎其微，而通过优化架构、筛选高质量训练数据以及改进对齐流程，却能在不增加资源消耗的前提下显著改善模型表现。这一发现对算力成本敏感的中国跨境电商卖家和AI应用开发者尤其具有现实意义——在预算有限的情况下，选择设计精良的中等规模开源模型，可能比盲目追求大参数模型更具性价比。 然而，研究也揭示了所有模型都无法回避的“天花板”。即便精心设计提示词，仍有约四分之一的测试问题会让所有参测模型集体“翻车”，尤其是涉及多步推理和时间追踪的复杂任务，无论模型规模多大、架构多先进，都难以稳定给出正确答案。这说明当前大模型的根本性训练局限依然存在，单靠规模扩张或架构优化都无法彻底解决。对于依赖AI处理客服、内容生成或数据分析的跨境卖家而言，这意味着在关键业务场景中仍需保留人工审核机制，不能完全放手交给模型。研究团队强调，他们的发现并非否定大模型的价值，而是呼吁行业重新审视资源分配：与其在无休止的规模竞赛中消耗巨额算力，不如将更多精力投入到中等规模模型的设计优化上，同时正视并规避那些系统性缺陷。