跨语言幻觉漂移研究：多语言大模型的事实一致性挑战

本文聚焦多语言大模型的“跨语言幻觉漂移”现象——同一模型用不同语言回答同一问题时的事实不一致性，探索其任务依赖性，对多语言AI系统的可靠性评估具有重要参考价值。研究针对事实问答与常识推理两类任务，选择不同资源层级语言，使用Aya Expanse模型与GPT-4o-mini评估，旨在揭示跨语言一致性的关键影响因素。

大型语言模型的“幻觉”（生成事实错误内容）是可靠应用的关键挑战。随着多语言模型兴起，“跨语言幻觉漂移”现象浮现：同一问题用不同语言回答时事实不一致（如英语正确、斯瓦希里语错误），对全球客服、跨国知识库等应用构成风险。本研究旨在实证调查该现象是否具有任务依赖性。

研究目标：验证跨语言幻觉漂移的任务依赖性，对比事实问答（TruthfulQA数据集）与常识推理（XCOPA数据集）两类任务。 语言选择：覆盖高（英语）、中（西班牙语）、低（斯瓦希里语）资源层级。 模型与评估：目标模型为Cohere的Aya Expanse 8B（支持超100种语言）；使用GPT-4o-mini自动评估回答的事实正确性与一致性（大规模评估中比人工标注更可行）。

幻觉漂移：模型处理同一语义的不同语言版本时，出现事实矛盾、置信度差异或信息粒度差异等不一致现象。 任务依赖性：理解漂移是否因任务类型而异对应用至关重要：事实类任务漂移需谨慎知识库系统，推理类需额外验证，普遍漂移则需跨语言一致性检查。

基于既有研究，预期发现：

1. 资源差异：低资源语言回答错误率更高、置信度与正确性相关性弱、翻译语义损失加剧幻觉；
2. 任务类型：事实问答依赖知识存储易“编造”，常识推理依赖推理能力易逻辑错误；
3. 模型架构：共享参数设计可能导致语言间知识干扰、低资源语言表示不足。

学术价值：提供实证数据，助力建立跨语言一致性评估基准、揭示模型局限、指导架构改进。 工程建议：多语言性能需多语言验证；实施跨语言一致性检测；低资源语言输出保守置信度；潜在不一致时人工审核。 产品伦理：透明说明局限、用户教育事实核查、确保不同语言用户服务质量公平。

未来研究可扩展：

1. 更多低资源语言，检验资源差距与漂移关系；
2. 涵盖代码生成、数学推理等更多任务场景；
3. 比较不同规模模型的跨语言一致性；
4. 开发缓解跨语言幻觉的训练/推理技术；
5. 设计人机协作机制处理不一致。