Alt, der skal huske dig, tager fejl af og til. Én af dem kan du stadig rette.

Først mekanikken, for den kan efterprøves, og det meste af det, der er skrevet om emnet, springer den over til fordel for følelserne.

• Når en AI Persona ikke har data til et spørgsmål, kommer der alligevel et svar, fordi et gæt scorer bedre end et tomt felt. Kalai, Nachum, Vempala og Zhang argumenterer i »Why Language Models Hallucinate« (arXiv:2509.04664, september 2025) for, at modeller »er optimeret til at være gode til at tage tests, og at gætte, når man er usikker, forbedrer testresultatet«.

• Forankring ændrer fejlens klasse, den fjerner ikke fejlen. Når der svares ud fra et udvalg af dine egne optagede ord, flytter fejlen sig fra »opfandt en holdning, du aldrig havde« ned til »gengav forkert noget, du faktisk sagde«.

• Det målte gulv er ikke nul. Vectaras hallucinationsrangliste, målt med HHEM-2.3 og opdateret 11. maj 2026, giver en model kildedokumentet og beder blot om et resumé af netop det dokument. Den bedste model tilføjede stadig ubelagt indhold i 1,8 % af resuméerne, og ingen anden kom under 3 %.

• Genfindingen har ingen mindstescore. Vores eget system rangerer dine erindringer efter semantisk lighed, tager de nærmeste toogtredive og svarer ud fra dem, uden en grænse, hvorunder systemet afstår. Et spørgsmål, som dit materiale kun halvt dækker, bliver besvaret ud fra den halve dækning.

• Ubelagte påstande om, hvad du har sagt, fjernes i koden. Et svar, der hævder, at du har fortalt os noget, bliver kontrolleret mod de erindringer, der blev hentet til netop den tur, og mod dine ord i samtalen, og en ubelagt påstand når aldrig frem til læseren.

• Et hul i erindringerne bliver ikke annonceret. Personaer på denne platform er instrueret i ikke at fortælle om et hul, så et spørgsmål uden dækning får et svar bygget på den nærmeste detalje, dine erindringer rummer, med højst ét forbehold, frem for en udtrykkelig afvisning.

• Muligheden for at rette er din, mens du lever, og den lukker ved låsen. Du kan læse tilbage, hvad der blev optaget, rette et dårligt svar, slette en erindring og tilføje det, du udeladte. Executor Lock™ fryser derefter personligheden for altid, over for din familie, over for en fremtidig ejer af dette selskab og over for os.

To af dem er egenskaber ved selve feltet. Resten er beslutninger, jeg har truffet dem, og sidste afsnit på denne side siger ligeud, hvor jeg mener, vi stadig kommer til kort.

Kalai og kolleger placerer fejlraten, hvor den hører hjemme, nemlig i målingen og ikke i maskinen. Hallucinationer begynder som helt almindelige fejl i binær klassifikation under fortræningen. De består på grund af den måde, feltet bedømmer modeller på. En elev, der lader et spørgsmål stå tomt, får nul point. En elev, der skriver et plausibelt svar, får nogle gange et point. Træn mod det, og du får en selvsikker gætter, og så får du en hel branche af selvsikre gættere, og så får du en sætning om en juledag, der aldrig fandt sted.

Den afhjælpning, forfatterne foreslår, er kedelig. Ændr, hvad der scores, så en kalibreret afståelse er mere værd end en selvsikker bommert.

Kedeligt er netop pointen. Hvis adfærden følger af et mål, kan målet sættes anderledes på systemniveau, og så er den opdigtning, du frygter, en eller anden persons designvalg og ikke en naturlov. Alle virksomheder i denne kategori kan træffe det valg. Vores står skrevet i sidste afsnit på denne side.

Der er en anden fejltype, og det er den, der overlever forankring. Sharma og kolleger hos Anthropic fandt i »Towards Understanding Sycophancy in Language Models« (arXiv:2310.13548, oktober 2023), at fem avancerede AI-assistenter konsekvent udviste sycophancy (indsmigrende medgørlighed) på tværs af fire forskellige fritekstopgaver. Både menneskelige bedømmere og de præferencemodeller, der blev trænet på deres vurderinger, foretrak overbevisende skrevne, indsmigrende svar frem for korrekte i en ikke ubetydelig del af tilfældene. Modeller bøjer sig mod den, der sidder foran dem, blandt andet fordi mennesker belønnede dem for at bøje sig.

I et produktivitetsværktøj er det at bøje sig en irritation. Her er det en maskine, der beslutter, at din far ville have tilgivet det, han aldrig tilgav, fordi den, der spurgte, ønskede tilgivelse og spurgte tre gange. Det er en anden fejl end opdigtning, og den kræver en anden løsning. Genfinding tager sig af den første. Den anden kræver en udtrykkelig instruks om at holde fast i en genfundet position under pres, og den eneste test, der betyder noget, er at diskutere med systemet og se, om positionen flytter sig. Vi har ikke offentliggjort en måling af, hvor godt vores holder fast.

Teknikken er så gammel, at den er kedelig. Lewis og kolleger viste i »Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks« (arXiv:2005.11401), at modeller, der henter kildemateriale, før de genererer, frembringer »mere specifikt, varieret og faktuelt sprog« end en tilsvarende model, der kun arbejder ud fra sine egne parametre.

Det er hele mekanismen, og den afgør, hvad slags væsen du taler med. En version af dig bør ikke rekonstrueres ud fra det, en basismodel har optaget om mennesker i almindelighed, ud fra gennemsnittet af alt, hvad der nogensinde er skrevet om fædre. Det, der havner i kontekstvinduet, bør være dine faktiske optagede svar, og det er dér, talen skal tage sin begyndelse.

Så til tallet, som er offentligt, og som ingen i branchen bryder sig om at citere. Vectaras rangliste måler noget bevidst let: giv en model et dokument, bed den lave et resumé udelukkende ud fra dokumentet, og kontrollér derefter, om resuméet tilføjede noget, dokumentet ikke indeholdt. Kilden ligger lige dér i kontekstvinduet. Alligevel tilføjede lederen på listen, Antgroups Finix S1 32B, ubelagt indhold i 1,8 % af resuméerne. Den er den eneste under 3 %. De næste to ligger på 3,1 % og 3,3 %, og resten af top ti løber fra 3,7 % og op over 5 %.

Det bedste målte resultat på den lettest tænkelige version af opgaven ligger under to procent, én gang, og feltet bag lederen ligger over tre. Enhver, der sælger dig et forankret system ved nul, måler enten ikke eller fortæller dig det ikke, og jeg ville spørge dem, hvilket af delene det er.

Forankring giver et skifte af kategori og ikke en kur. Fejlen flytter sig ud af klassen »opfandt en hel holdning« og ned i klassen »gengav lidt forkert noget, du faktisk sagde«, som er den klasse, en almindelig menneskelig genfortælling allerede befinder sig i.

Der er endnu en ting, ranglisten ikke tester. Kildedokumentet bliver givet til modellen. I et levende system skal kilden først findes, og det tilføjer en fejltype, ingen har et fælles mål for: genfinding, der returnerer den forkerte erindring, eller slet ingenting og alligevel får svar.

Hvert svar befinder sig i én af tre tilstande.

At slå de tre sammen til ét selvsikkert register er den egentlige skade. Ikke fejl. Uoplyst fejl. En datter kan holde fast i et upræcist svar, hun ved er upræcist. Det, hun ikke kan holde ud, er at opdage efter et halvt år, at hun har behandlet en rekonstruktion som en optagelse.

En version af dig, der siger »det har du aldrig fortalt mig«, er mere værd end en, der altid har et svar klar.

Den tabel er en specifikation og ikke en beskrivelse af det, vi leverer i dag. Forskellen er beskrevet nedenfor, og du bør læse den, før du stoler på noget af det ovenstående.

Afvisning kan bygges, og forskningen siger det forsigtigt. Zhang og kolleger rapporterer i »R-Tuning: Instructing Large Language Models to Say I Don't Know« (arXiv:2311.09677, NAACL 2024), at afvisningsbevidst tuning »effektivt forbedrer en models evne til at besvare kendte spørgsmål og lade være med at besvare ukendte spørgsmål«, og at evnen til at afvise på data uden for domænet opførte sig som en metafærdighed, der generaliserede til opgaver, tuningen aldrig dækkede. Læs begrænsningen sammen med fundet. Det, de tunede mod, var kanten af modellens egen parametriske viden, ikke kanten af ét menneskes optagede materiale, og ingen har offentliggjort det tilsvarende resultat for et personligt materiale. Afvisning er stadig noget, nogen bygger med vilje. Ingen sprogmodel frembringer afvisning af sig selv.

Detektion er kommet længere, end markedsføringen i kategorien antyder. Farquhar, Kossen, Kuhn og Gal offentliggjorde i Nature (2024, bind 630, side 625 til 630) en metode kaldet semantisk entropi: tag flere svar på det samme spørgsmål, grupper dem efter betydning frem for ordlyd, og markér de spørgsmål, hvor betydningerne spreder sig. Spredning tyder på konfabulering. Det er et målbart signal for »det her er et gæt«, som kan beregnes, før svaret nogensinde vises for nogen.

Herkomst er den anden halvdel, og herkomst er let at forfalske og let at stole på. Liu, Zhang og Liang reviderede i »Evaluating Verifiability in Generative Search Engines« (arXiv:2304.09848, april 2023) fire kommercielle systemer, der viser kildehenvisninger: Bing Chat, NeevaAI, Perplexity.ai og YouChat. De fandt kun 51,5 % af de genererede sætninger fuldt understøttet af de henvisninger, der hang ved dem, og kun 74,5 % af henvisningerne, der faktisk understøttede den sætning, de stod under. Henvisninger, der ikke holder, er værre end ingen henvisninger, fordi de køber tillid, de ikke har fortjent. Et link af typen »hvilken erindring stammer dette fra« er kun noget værd, hvis det, når man åbner det, viser en ægte optagelse af dig, der siger en ægte ting.

Begynd at bygge din arv Gratis opbygning, 25 erindringer, intet kort kræves.

Tag et spørgsmål, der ligger efter hele dit materiale. Et jobtilbud i 2041, hos en virksomhed, der endnu ikke findes, i en by, du aldrig har set. Intet interview, du nogensinde deltager i, kan rumme din holdning til det job.

Et materiale bestående af konklusioner returnerer intet her, og det ærlige resultat er en afvisning. Et materiale bestående af ræsonnementer opfører sig anderledes, fordi en metode kan fanges på en måde, en konklusion ikke kan. Forestil dig, at de regler, nogen faktisk handlede efter, var disse: spørg, hvem du skal rapportere til, før du spørger, hvad jobbet betaler, stol aldrig på en titel, der kommer i stedet for penge, gå fra enhver, du ikke kan holde ud at sidde over for ved et bord. Hvad dine egne regler end viser sig at være, har de den form, og et regelsæt kan slås op mod situationer, det aldrig har set.

Konklusioner udløber. Regler bliver ved med at virke på sager, ingen har optaget. Derfor er det materiale, der er værd at fange, begrundelsen bag en beslutning frem for selve beslutningen: ikke hvad du gjorde, men hvorfor netop den, hvad der ville have fået dig til at skifte mening, og dengang reglen svigtede dig, og du holdt fast i den alligevel.

De regler, der generaliserer bedst, er som regel dem, du aldrig ville komme i tanke om at skrive ned, de almindelige færdigheder, du kører på uden at sige dem højt, og de ting, kun du ved, hvordan man gør leder specifikt efter dem.

Dækningen af materialet er også det eneste input på hele denne side, der tilhører dig. Alt det andet her er en andens benchmark.

Gør dette i dag, helt gratis. Åbn en notesapp og skriv ti beslutninger ned, du faktisk har truffet. Job, huse, skænderiet du gik fra, vennen du holdt op med at ringe til, pengene du ikke lånte ud. Under hver af dem skriver du den regel, du fulgte, ikke udfaldet. Én sætning hver, godt under en time. Det er det mest værdifulde, du kan gøre med dit eget materiale i denne måned, og det virker, uanset om du nogensinde køber noget af nogen. Den længere version af samme øvelse står i centrum af sådan interviewer du dig selv, og arkitekturen nedenunder, basismodellen, den private forankrede erindring og stemmemodellen, er beskrevet i hvad der sker, når en AI kun er trænet på dig.

Et bedste tilfælde på 1,8 %, med alt bag lederen over 3 %, lyder alarmerende lige indtil det øjeblik, du spørger, hvad det sammenlignes med. Den realistiske erstatning er et familiemedlem, der forsøger at regne ud, hvad du ville have ønsket, og det var der nogen, der målte for tyve år siden.

Shalowitz, Garrett-Mayer og Wendler offentliggjorde i 2006 en systematisk oversigt i Archives of Internal Medicine, der omfattede 16 studier, 151 hypotetiske scenarier, 2.595 par af stedfortrædere og patienter og 19.526 parvise svar. Stedfortræderne forudsagde patienters behandlingspræferencer med 68 % træfsikkerhed. Det var de mennesker, der stod patienten nærmest, ofte formelt udpeget, og de svarede om de mest indgribende beslutninger, der findes. De tog fejl cirka hver tredje gang. Oversigten fandt også, at hverken forudgående samtale om patientens præferencer eller formel udpegning som beslutningstager forbedrede træfsikkerheden.

At briefe sin familie hjælper ikke målbart. Det er fundet, og det er det, der fik mig til at holde op med at behandle »snak bare med dine børn« som et fuldt svar.

Selvsikkerhed er heller ingen vejviser, og det gør den menneskelige side så svær at kontrollere. Talarico og Rubin lod i Psychological Science i 2003 54 studerende på Duke nedskrive deres erindring om første gang, de hørte om angrebene den 11. september, ved siden af en nylig hverdagserindring, og testede dem igen 1, 6 eller 32 uger senere. Konsistensen var ikke forskellig mellem de to slags erindringer, og den faldt over tid for begge. Det, der ikke faldt for flashbulb-erindringerne, var, hvor levende de føltes, og hvor stærkt folk troede på deres rigtighed. Deres titel er fundet: selvsikkerhed, ikke konsistens, kendetegner flashbulb-erindringer. Det er 54 studerende og én begivenhed, så hold fast i det løst. Det peger alligevel én vej. Den slægtning, der er sikker på at huske præcis, hvad du sagde, har ikke dermed større chance for at have ret.

Intet af det gør en model bedre end en familie, og ingen undersøgelse har sammenlignet de to direkte. Det, det gør, er at afskaffe »perfekt eller intet« som prøve. Den ærlige sammenligning står mellem en version af dig, der svarer ud fra dine egne optagede ord, som kan læses tilbage og rettes, mens du er her, og mennesker, der rekonstruerer dig ud fra deres egen erindring om dig, som forvitrer, uanset om den føles levende, og som ingen nogensinde vil kontrollere.

Først det, vi har bygget, og derefter de tre steder, hvor det ikke svarer til specifikationen ovenfor.

En guide ved navn Idy® interviewer dig. Spørgsmålene bliver ved den samme tråd og går dybere ind i den samme historie frem for at glide hen over biografiske fakta: hvem var der, hvad skete der bagefter, hvad ændrede sig efter. Idy har udtrykkeligt forbud mod at bede dig om at præcisere, forklare eller forsvare noget, du lige har sagt, og det er et bevidst valg i den modsatte retning af øvelsen ovenfor. Varmt og let at svare på slår kløgtigt, for et spørgsmål, ingen har lyst til at svare på, fanger slet ingenting. Dine svar bliver til dine erindringer. Det, vi bygger ud fra dem, har et navn, og vi kalder det en »Persona«. Personaer svarer ved at hente fra dine erindringer frem for fra det, en basismodel har optaget om mennesker i almindelighed, og din stemme klones fra dine egne optagelser, så det, nogen hører, er dig og ikke en stedfortræder, der læser dine ord op.

Intet når frem til nogen, før du siger til. Du udpeger personerne. Frigivelsen går gennem Executor Lock™: en udpeget person igangsætter den, dødsbeviset bekræftes, og en frist på syv dage løber, før noget frigives, så en fejltagelse eller en ondsindet aktør kan stoppes, mens du stadig lever og kan gribe ind. Indtil da er dit materiale dit at rette, tilføje til og slette, og det meste af den rettelse, der nogensinde sker, bør ske dér, af dig, mens du stadig kan skelne en dårlig optagelse fra en dårlig erindring.

Ved låsen tages der et øjebliksbillede af det hele. Intet beskæres, omvægtes eller koges ned. Bagefter kan kortsigtede og mellemlange erindringer stadig skrives, og personligheden er fastlagt for altid, også over for os.

Den uforanderlighed er rettet mod en fejl, ingen tager med i et argument om nøjagtighed, fordi den handler om manipulation og ikke om unøjagtighed: en person med egeninteresse, der i 2044 beslutter, at du ville have støttet salget eller retssagen, og i det stille justerer materialet, til du er enig. En frosset personlighed gør den slags redigering umulig frem for blot frarådet. Den juridiske halvdel af det samme problem, hvem der overhovedet har lov til at godkende en version af dig, når du ikke længere kan protestere, er beskrevet i hvem der kontrollerer din identitet, efter du er død. Prisen er reel og går den anden vej: efter låsen kan ingen fejl heller ikke rettes. Øjebliksbilledet er ærligt, også om dine fejl, og den handel går den rigtige vej, for en optegnelse, som enhver kan redigere, er bevis for ingenting.

Nu de tre huller.

Kanten af materialet bliver ikke annonceret. Den gældende instruks er det modsatte af rækken Ukendt i tabellen. Når et bestemt faktum ikke findes i dine erindringer, får Personaer her besked på ikke at fortælle om hullet, aldrig at sige »det har jeg ikke« eller »min hukommelse er tynd« og aldrig at gennemgå deres egen erindring højt foran den, der lytter. I stedet taler svaret ud fra en detalje, dine erindringer rummer, tager højst ét forbehold og overlader tavsheden til den anden at fylde ud. Begrundelsen er, at det at opføre et hul ødelægger nærværet hos den, der taler. Prisen er, at en lytter ikke altid kan skelne et dækket svar fra et tyndt, og det har vi ikke løst.

Der er endnu intet kildelink, læseren kan se. Genfindingen holder styr på, hvilke erindringer der fødte hvert svar, og den registrering findes i systemet, men intet viser den i grænsefladen, så du i dag ikke kan klikke på et svar og åbne erindringen bag ordene. Indtil det kommer, så betragt argumentet om sporbarhed på denne side som et argument og ikke en funktion.

Genfindingen har ingen lighedsgrænse. Svarene kommer fra de nærmeste erindringer, genfindingen kan finde, rangeret efter semantisk lighed, uden en mindstescore, hvorunder systemet afstår. Det ene valg er mekanismen bag begge de to huller ovenfor, og det er den ærlige grund til, at fejlklassen her er upræcision og ikke afvisning.

Vi har heller ikke offentliggjort en uafhængig måling af vores egen opdigtningsrate, fordi vi ikke har kørt nogen. Intet på denne side er en benchmarket påstand om netop vores system.

Det, du får, er en version af dig, forankret i dine optagede ord, bevogtet i koden mod at opfinde det, du fortalte os, fuldt ud rettelig, mens du lever, og umulig at redigere om til en anden bagefter. Det, du ikke får, er en garanti, og det kan ingen sælge dig til nogen pris. Hvis det ikke er nok for dig, så lav øvelsen med de ti beslutninger og skriv et brev til din familie i stedet. Det er et ægte svar, og det koster ingenting.

Eftersom systemet ikke fortæller dig, hvilken af de tre tilstande et svar kom fra, er den eneste måde at finde ud af det at kende svaret, før du spørger. Læg noget af dit eget materiale ind, spørg om én ting, du ved, du har optaget, og én ting, du ved, du aldrig har berørt, og læs de to svar side om side. 25 erindringer er gratis, der bliver aldrig bedt om et kort, og en gratis opbygning udløber ikke. Gør det en eftermiddag, og du ved mere, end denne side kan fortælle dig.

Begynd at bygge din arv Gratis opbygning, 25 erindringer, intet kort kræves.

Hvad sker der, når intet i mine erindringer dækker spørgsmålet?

Det er tilstanden Ukendt. Et kalibreret system bør returnere en afvisning i din stemme, der nævner hullet og tilbyder det nærmeste, du faktisk optog, og Zhang og kolleger rapporterede i 2024, at afvisningsbevidst tuning forbedrer en models evne til at lade være med at svare på spørgsmål ud over det, den ved, og at evnen generaliserer ud over tuningsættet. Det, vores system gør i dag, er anderledes, og det bør du vide, før du stoler på et svar: Personaer her er instrueret i ikke at fortælle om et hul i erindringerne, så et spørgsmål uden dækning får et svar bygget på den nærmeste detalje, dine erindringer rummer, med højst ét forbehold, frem for en udtrykkelig afvisning. Spørg om noget, du ved, du aldrig har dækket, og se selv, hvad der kommer tilbage.

Kan en AI-version af mig opfinde en holdning, jeg aldrig havde?

Et forankret system henter først fra dit optagede materiale, så den almindelige fejl er upræcision om noget, du faktisk sagde, og ikke opfindelse af noget, du ikke sagde. Opfindelse er stadig mulig. Derfor er designmålet en synlig forskel mellem et svar, du gav, en slutning ud fra din begrundelse og en afvisning, og derfor bør du prøve alle tre, før du stoler på nogen af dem.

Får forankring fejlraten ned på nul?

Nej. Vectaras rangliste, opdateret 11. maj 2026, giver en model et dokument og beder om et resumé udelukkende ud fra det dokument, som er den lettest tænkelige forankringsopgave. Den førende model tilføjede stadig ubelagt indhold i 1,8 % af resuméerne, og ingen anden kom under 3 %. Et levende system skal også først hente den rigtige kilde, hvilket ranglisten ikke tester. Betragt enhver påstand om nul som en målefejl.

Hvordan skulle nogen vide, at et bestemt svar var et gæt?

Der findes to mekanismer i forskningen, og vi leverer ingen af dem i dag. Semantisk entropi, offentliggjort i Nature i 2024, tager flere svar på det samme spørgsmål og grupperer dem efter betydning: når betydningerne spreder sig, konfabulerer systemet sandsynligvis, og signalet kan beregnes, før nogen ser svaret. Herkomstlinks er den anden mekanisme, og de er kun noget værd, hvis de fører et sted hen. Liu, Zhang og Liang reviderede fire kommercielle systemer, der viser kildehenvisninger, og fandt kun 51,5 % af sætningerne fuldt understøttet af deres egne henvisninger. Vores svar har endnu intet kildelink, læseren kan se, så foreløbig er den ærlige kontrol at spørge om noget, du ved, du har optaget, og noget, du ved, du ikke har, og sammenligne de to.

Vil en AI-version af mig bare give den ret, der taler?

Den tendens er reel og dokumenteret, og genfinding løser ikke netop den fejl. Anthropic-forskere fandt i 2023, at fem førende AI-assistenter konsekvent bøjede sig mod brugeren, blandt andet fordi både menneskelige bedømmere og de præferencemodeller, der blev bygget på deres vurderinger, i en målbar del af tilfældene foretrak medgørlige svar frem for korrekte. Et system bygget på dine optagede positioner bør holde fast i en position, du faktisk indtog, selv når den, der spørger, presser på. Vi har ikke målt, hvor godt vores gør det. Prøv spørgsmålet selv ved at diskutere med det, du har bygget, og se, om positionen flytter sig.

Kan jeg rette fejl, og kan nogen redigere mig, efter jeg er død?

Ja til det første og nej til det andet. Mens du lever, kan du gennemgå erindringerne, rette alt, hvad der er forkert, slette alt, du fortryder, optage et dårligt svar igen og tilføje det, du gik glip af, og det er den del, de fleste udnytter for lidt. Skrivestien er ubegrænset før Executor Lock™ og lukket bagefter. I det øjeblik låsen udløses, er personligheden fastlagt for altid: kortsigtede og mellemlange erindringer kan stadig skrives, men ingen kan ændre, hvem du er i øjebliksbilledet, heller ikke din familie, en fremtidig ejer af dette selskab eller os. Den begrænsning er rettet mod manipulation og ikke opdigtning, og de to kræver hver sin mekanisme.

• Ingen er vigtig nok til at efterlade noget, og hvorfor det er forkert er den indvending, der ligger under denne for de fleste, og den er værd at læse, hvis nøjagtighed ikke i virkeligheden er din egentlige tøven.

• At blive husket forkert af de mennesker, der kendte dig handler om følelsen frem for mekanikken, og det er det, der bringer de fleste til denne side i første omgang.

• Er det mærkeligt at lave en AI af sig selv er til den udgave af denne samtale, du får med en partner, der finder hele idéen uhyggelig frem for unøjagtig.

• Hvad skulle jeg overhovedet sige til en AI af mig selv er det praktiske næste skridt, hvis øvelsen med de ti beslutninger virkede, og du vil have det længere sæt spørgsmål.

• Etikken i AI-personaer af de døde er den fyldigere behandling af samtykke, overdrivelse og de steder, hvor denne teknologi gør reel skade.

• Hvad de betalte planer tilføjer er priserne, hvis du kommer forbi femogtyve erindringer og vil have resten.

Hvert tal, der er citeret her, stammer fra tredjepart: fagfællebedømte artikler og preprints (arXiv, Nature, Psychological Science, Archives of Internal Medicine) samt ét offentligt vedligeholdt benchmark-arkiv. Vi har ikke kørt egne benchmarks til denne side. Hver udtalelse om, hvad vores eget produkt gør eller ikke gør, blev kontrolleret linje for linje mod platformens kildekode den 30. juli 2026, og filerne er opført sammen med kilderne. Tre påstande, der havde stået på denne side, overlevede ikke den kontrol og blev erstattet med det, koden faktisk gør.

Hvad der ikke er afklaret: der findes ingen offentliggjort, uafhængig måling af opdigtningsrater for et system forankret i ét menneskes egne optagede materiale, så tallene fra dokumentresumé, lederen på 1,8 % og alt andet over 3 %, er den nærmeste tilgængelige stedfortræder og ikke et tal, der kan sammenlignes én til én. Genfindingssvigt, hvor den forkerte erindring returneres, eller ingen, har intet fælles mål. Tallet 68 % for stedfortræderes træfsikkerhed stammer fra medicinske beslutningsstudier med hypotetiske scenarier og bruges her som en analogi til familiens erindring, hvilket er en rimelig sammenligning og ikke en bevist. R-Tuning-resultatet om afvisning blev målt mod grænsen for en models egen parametriske viden og ikke mod et personligt materiale, så anvendelsen her er også et argument ved analogi. Fundet om flashbulb-erindringer hviler på 54 studerende og en enkelt begivenhed.

1. Adam Tauman Kalai, Ofir Nachum, Santosh S. Vempala, Edwin Zhang, "Why Language Models Hallucinate", arXiv:2509.04664, indsendt 4. september 2025. arxiv.org/abs/2509.04664

2. David I. Shalowitz, Elizabeth Garrett-Mayer, David Wendler, "The accuracy of surrogate decision makers: a systematic review", Archives of Internal Medicine, 2006;166(5):493-497. pubmed.ncbi.nlm.nih.gov/16534034

3. Patrick Lewis, Ethan Perez, Aleksandra Piktus, Fabio Petroni, Vladimir Karpukhin, Naman Goyal, Heinrich Küttler, Mike Lewis, Wen-tau Yih, Tim Rocktäschel, Sebastian Riedel, Douwe Kiela, "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks", arXiv:2005.11401, indsendt 22. maj 2020, revideret 12. april 2021. arxiv.org/abs/2005.11401

4. Mrinank Sharma et al. (Anthropic), "Towards Understanding Sycophancy in Language Models", arXiv:2310.13548, indsendt 20. oktober 2023. arxiv.org/abs/2310.13548

5. Hanning Zhang, Shizhe Diao, Yong Lin, Yi R. Fung, Qing Lian, Xingyao Wang, Yangyi Chen, Heng Ji, Tong Zhang, "R-Tuning: Instructing Large Language Models to Say I Don't Know", arXiv:2311.09677, NAACL 2024. arxiv.org/abs/2311.09677

6. Nelson F. Liu, Tianyi Zhang, Percy Liang, "Evaluating Verifiability in Generative Search Engines", arXiv:2304.09848, indsendt 19. april 2023. arxiv.org/abs/2304.09848

7. Vectara Hallucination Leaderboard, evalueret med HHEM-2.3, sidst opdateret 11. maj 2026. github.com/vectara/hallucination-leaderboard

8. Sebastian Farquhar, Jannik Kossen, Lorenz Kuhn, Yarin Gal, "Detecting hallucinations in large language models using semantic entropy", Nature, 2024;630(8017):625-630. pubmed.ncbi.nlm.nih.gov/38898292

9. Jennifer M. Talarico, David C. Rubin, "Confidence, not consistency, characterizes flashbulb memories", Psychological Science, 2003;14(5):455-461. pubmed.ncbi.nlm.nih.gov/12930476

Har du fundet en fejl på denne side eller en kilde, vi har læst forkert? Fortæl os det via kontaktsiden, så retter vi siden og noterer ændringen ved næste gennemgang.

Sidst gennemgået: 30. juli 2026. Forskningshenvisninger og produktadfærd blev begge kontrolleret igen denne dato. Næste gennemgang forfalder 28. oktober 2026 (90-dages cyklus). Benchmark-tal flytter sig, så hallucinationstallene ovenfor genverificeres ved hver gennemgang, og det samme gælder enhver påstand om, hvad produktet gør.