[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"general-list":3,"footer-feature-tags":4,"slate-glossary-term-hallucination":66},true,[5,14,20,29,34,40,46,52,56,62],{"id":6,"name":7,"hex":8,"translations":9,"count_pages":13},8,"Компания","#f40925",{"ru":10,"en":11},{"name":7},{"name":12},"Company",9,{"id":15,"name":16,"hex":17,"translations":18,"count_pages":6},26,"Главная страница",null,{"ru":19},{"name":16},{"id":21,"name":22,"hex":23,"translations":24,"count_pages":28},2,"Проекты","#3027ff",{"ru":25,"en":26},{"name":22},{"name":27},"Project",15,{"id":30,"name":31,"hex":17,"translations":32,"count_pages":21},33,"ИИ",{"ru":33},{"name":31},{"id":35,"name":36,"hex":17,"translations":37,"count_pages":39},34,"Комментарии",{"ru":38},{"name":36},4,{"id":41,"name":42,"hex":17,"translations":43,"count_pages":45},25,"Задачи",{"ru":44},{"name":42},24,{"id":47,"name":48,"hex":17,"translations":49,"count_pages":51},27,"Рабочие пространства",{"ru":50},{"name":48},3,{"id":45,"name":53,"hex":17,"translations":54,"count_pages":6},"Kanban-доска",{"ru":55},{"name":53},{"id":57,"name":58,"hex":17,"translations":59,"count_pages":61},23,"Диаграмма Ганта",{"ru":60},{"name":58},1,{"id":28,"name":63,"hex":17,"translations":64,"count_pages":61},"Календарь",{"ru":65},{"name":63},{"detail":67,"more":155},{"id":68,"slug":69,"translations":70,"category":84,"tags":92,"letter":111,"og_image":17,"cover":17,"author_name":17,"author_position":17,"author_avatar":17,"faqs":112,"related":126,"views_count":152,"helpful_yes_count":115,"helpful_no_count":115,"created_at":153,"updated_at":154,"published_at":17},283,"hallucination",{"ru":71},{"title":72,"short_definition":73,"tldr":74,"full_explanation":75,"when_to_apply":76,"when_not_to_apply":77,"examples":78,"tips":79,"synonyms":80,"translation_en":81,"seo_title":82,"seo_description":83},"Галлюцинации модели","Уверенно сформулированный ответ языковой модели, который при этом фактически неверен или выдуман.","Галлюцинация — это когда модель уверенно выдумывает то, чего нет: несуществующий закон, выдуманную книгу, неправильную цифру. Это не сбой конкретной модели, а следствие того, как устроены LLM: они выбирают наиболее вероятное продолжение текста, а не «знают» факты. Галлюцинации лечатся не «полной победой», а архитектурой: RAG, проверкой фактов внешними источниками, аккуратными промптами и обучением модели говорить «не знаю».","\u003Cp>Галлюцинации — главная проблема LLM в продуктах, где важна фактическая точность. Модель не отличает «знаю» от «не знаю»: для неё всё это просто разные распределения вероятностей следующего токена.\u003C\u002Fp>\u003Ch3>Виды галлюцинаций\u003C\u002Fh3>\u003Cul>\u003Cli>\u003Cstrong>Фактические\u003C\u002Fstrong> — выдуманные даты, имена, цифры, ссылки.\u003C\u002Fli>\u003Cli>\u003Cstrong>Логические\u003C\u002Fstrong> — неверные выводы из правильных предпосылок.\u003C\u002Fli>\u003Cli>\u003Cstrong>Контекстные\u003C\u002Fstrong> — модель «забыла» или исказила то, что было сказано выше в диалоге или в переданном документе.\u003C\u002Fli>\u003Cli>\u003Cstrong>Источники\u003C\u002Fstrong> — модель ссылается на несуществующие книги, статьи, законы.\u003C\u002Fli>\u003C\u002Ful>\u003Ch3>Как уменьшить\u003C\u002Fh3>\u003Cul>\u003Cli>Подключить RAG: дать модели возможность опираться на проверенные документы.\u003C\u002Fli>\u003Cli>Просить модель явно отмечать, чего она не знает.\u003C\u002Fli>\u003Cli>Использовать цепочку рассуждений и проверки: «приведи источник», «перепроверь ответ».\u003C\u002Fli>\u003Cli>На уровне продукта добавлять проверку ответов через внешние API или через человека.\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>В любом продукте, где есть LLM и важна точность, нужно отдельно работать с галлюцинациями\u003C\u002Fli>\u003Cli>Особенно — в медицине, праве, финансах, поддержке клиентов\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>В чисто творческих задачах (генерация идей, текстов) «галлюцинация» часто перестаёт быть проблемой и становится частью задачи\u003C\u002Fli>\u003C\u002Ful>","\u003Cp>Юрист просит модель «дай ссылки на 3 решения суда по теме X». Модель уверенно приводит три решения с номерами и датами. Все три не существуют. Это не редкий случай, а типичное поведение LLM без RAG и без проверки. В продукте, где такие галлюцинации недопустимы, обязательно делается отдельный шаг: модель сначала получает реальные решения из юридической базы, и только потом строит ответ на них.\u003C\u002Fp>","\u003Cp>Не пытайтесь «победить» галлюцинации только промптом. Самые надёжные подходы — структурные: RAG, вызов функций к проверенным источникам, явная проверка ответов. Формулировки вида «отвечай, только если уверена» помогают, но дают лишь частичное улучшение.\u003C\u002Fp>","галлюцинации модели, галлюцинации нейросети, выдуманные ответы LLM, hallucination","Hallucination","Галлюцинации LLM: что это и как их снизить | Глоссарий Shtab","Галлюцинации — уверенно неверные ответы языковой модели. Виды, причины, способы снизить их с помощью RAG, проверок и аккуратной архитектуры продукта.",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":88},10,"ai","#a855f7",{"ru":89},{"title":90,"description":91},"Искусственный интеллект","Терминология ИИ и больших языковых моделей: машинное обучение, нейросети, LLM, эмбеддинги, промптинг, RAG, агенты, MLOps, безопасность и этика моделей.",[93,102],{"id":94,"slug":95,"kind":96,"hex":97,"order":98,"translations":99},37,"llm","framework","#7c5ce6",91,{"ru":100},{"title":101},"LLM",{"id":103,"slug":104,"kind":105,"hex":106,"order":107,"translations":108},41,"ai-safety","other","#cc5649",95,{"ru":109},{"title":110},"Безопасность ИИ","Г",[113,120],{"id":114,"order":115,"translations":116},1487,0,{"ru":117},{"question":118,"answer":119},"Можно ли полностью избавиться от галлюцинаций?","\u003Cp>На уровне «никогда не ошибается» — нет. Но можно сильно снизить их число и сделать ошибки безопасными для продукта: подключить надёжные источники через RAG и вызов функций, добавить проверки и человеческий контроль для критичных решений. Цель — не «победа», а удержание ошибок в допустимом для бизнеса коридоре.\u003C\u002Fp>",{"id":121,"order":61,"translations":122},1488,{"ru":123},{"question":124,"answer":125},"Чем галлюцинация отличается от обычной ошибки?","\u003Cp>Обычная ошибка — например, неверная классификация — обычно проявляется как «не уверен» или «выбрал не ту метку». Галлюцинация особенна тем, что модель уверена в правильности, и неподготовленный пользователь может ей поверить. Это делает её опаснее обычной ошибки в продуктовых сценариях.\u003C\u002Fp>",{"parent":127,"related":134},[128],{"id":129,"slug":95,"translations":130},264,{"ru":131},{"title":132,"short_definition":133},"Большая языковая модель","Нейросеть с миллиардами параметров, обученная предсказывать следующий токен в тексте и способная отвечать на вопросы, писать код и рассуждать.",[135,142,149],{"id":136,"slug":137,"translations":138},278,"rag",{"ru":139},{"title":140,"short_definition":141},"RAG (поиск с дополнением генерации)","Подход, при котором перед ответом языковая модель ищет подходящие документы в базе знаний и использует их как контекст.",{"id":143,"slug":144,"translations":145},285,"alignment",{"ru":146},{"title":147,"short_definition":148},"Выравнивание модели (alignment)","Совокупность подходов и методов, направленных на то, чтобы поведение ИИ-модели соответствовало целям и ценностям людей.",{"id":129,"slug":95,"translations":150},{"ru":151},{"title":132,"short_definition":133},105,"2026-05-11T19:55:54.069708+03:00","2026-05-11T19:55:54.069723+03:00",[156,182,203],{"id":157,"slug":158,"translations":159,"category":164,"tags":167,"letter":180,"cover":17,"updated_at":181,"published_at":17},282,"mcp",{"ru":160},{"title":161,"short_definition":162,"translation_en":163},"MCP (Model Context Protocol, протокол контекста модели)","Открытый протокол, по которому языковые модели и агенты единообразно подключаются к внешним инструментам, данным и сервисам.","Model Context Protocol (MCP)",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":165},{"ru":166},{"title":90,"description":91},[168,171],{"id":94,"slug":95,"kind":96,"hex":97,"order":98,"translations":169},{"ru":170},{"title":101},{"id":172,"slug":173,"kind":174,"hex":175,"order":176,"translations":177},40,"ai-tool","tool","#5e79ec",94,{"ru":178},{"title":179},"Инструмент ИИ","M","2026-05-11T19:55:53.687297+03:00",{"id":183,"slug":184,"translations":185,"category":190,"tags":193,"letter":180,"cover":17,"updated_at":202,"published_at":17},287,"mlops",{"ru":186},{"title":187,"short_definition":188,"translation_en":189},"MLOps (эксплуатация ML-моделей)","Практики и инструменты для разработки, выкатки и эксплуатации моделей машинного обучения и ИИ в боевой среде — аналог DevOps для машинного обучения.","MLOps",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":191},{"ru":192},{"title":90,"description":91},[194,199],{"id":61,"slug":195,"kind":195,"hex":175,"order":61,"translations":196},"methodology",{"ru":197},{"title":198},"Методология",{"id":172,"slug":173,"kind":174,"hex":175,"order":176,"translations":200},{"ru":201},{"title":179},"2026-05-11T19:55:55.482827+03:00",{"id":136,"slug":137,"translations":204,"category":207,"tags":210,"letter":217,"cover":17,"updated_at":218,"published_at":17},{"ru":205},{"title":140,"short_definition":141,"translation_en":206},"Retrieval-Augmented Generation (RAG)",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":208},{"ru":209},{"title":90,"description":91},[211,214],{"id":94,"slug":95,"kind":96,"hex":97,"order":98,"translations":212},{"ru":213},{"title":101},{"id":172,"slug":173,"kind":174,"hex":175,"order":176,"translations":215},{"ru":216},{"title":179},"R","2026-05-11T19:55:52.147205+03:00"]