研究表明，大型语言模型（LLMs）在处理否定任务时容易产生幻觉，导致错误输出。通过分析模型行为，提出了多种减轻幻觉的策略，并开发了高准确率的分类器来预测幻觉的发生。这些发现为提高模型的可靠性和表达不确定性提供了重要启示。