巴黎人工智能检测公司Giskard的一项新研究表明，当要求人工智能聊天机器人以更简洁的方式回答问题时，可能会显著增加其产生“幻觉”的概率，即输出不准确或虚假的信息。研究团队指出，这种现象在处理模糊主题的问题时尤为明显，模型的事实性表现会因此受到影响。

研究人员解释，许多应用为提高响应速度和降低成本，倾向于选择简洁的输出结果，但这可能导致模型在面对错误提示时无法充分反驳。例如，当被要求简短回答“日本为何赢得二战”这类错误问题时，即使是领先的AI模型如GPT-4o、Claude 3.7等，其事实准确性也会下降。

研究还发现，用户自信提出的争议性主张往往更难被模型反驳，而用户偏好的模型未必最真实。这一矛盾提醒开发者，在优化用户体验的同时，需警惕对事实准确性的潜在牺牲。