Segala Sesuatu yang Akan Mengingat Anda Pasti Keliru. Satu di Antaranya Masih Bisa Anda Koreksi.

Mekanismenya dulu, karena itu bisa diperiksa, sedangkan kebanyakan tulisan tentang topik ini melewatkannya demi perasaan.

• Ketika Persona AI tidak punya data untuk sebuah pertanyaan, jawaban tetap muncul, karena tebakan mendapat skor lebih baik daripada jawaban kosong. Kalai, Nachum, Vempala, dan Zhang berpendapat dalam "Why Language Models Hallucinate" (arXiv:2509.04664, September 2025) bahwa model "dioptimalkan menjadi peserta ujian yang baik, dan menebak saat tidak yakin meningkatkan skor ujian".

• Grounding (berpijak pada data Anda sendiri) mengubah kelas kesalahannya, bukan menghilangkan kesalahan. Menjawab dari kumpulan kata-kata Anda sendiri yang telah diambil kembali memindahkan kegagalan dari "mengarang pendapat yang tidak pernah Anda miliki" ke "salah menyatakan sesuatu yang memang Anda katakan".

• Batas bawah yang terukur bukan nol. Papan peringkat halusinasi Vectara, yang dinilai dengan HHEM-2.3 dan diperbarui 11 Mei 2026, memberi model dokumen sumber dan hanya meminta ringkasan dokumen itu. Pemimpinnya tetap memasukkan konten tanpa dukungan pada 1,8% ringkasan, dan tidak ada entri lain yang di bawah 3%.

• Retrieval tidak punya skor minimum. Sistem kami sendiri mengurutkan kenangan Anda berdasarkan kemiripan semantik, mengambil tiga puluh dua yang terdekat, dan menjawab dari situ, tanpa batas bawah yang membuat sistem menolak. Pertanyaan yang separuh tercakup oleh bahan Anda akan dijawab dari separuh itu.

• Klaim tak berdasar tentang apa yang Anda katakan dihapus lewat kode. Balasan yang menyatakan bahwa Anda pernah memberi tahu kami sesuatu diperiksa terhadap kenangan yang diambil untuk giliran itu dan terhadap kata-kata Anda dalam sesi, dan pernyataan tanpa dukungan tidak pernah sampai ke pembaca.

• Celah dalam kenangan tidak diumumkan. Persona di platform ini diinstruksikan untuk tidak menceritakan celah, sehingga pertanyaan yang tidak tercakup dijawab dengan detail terdekat yang memang ada di kenangan Anda, dengan keraguan paling banyak satu kali, bukan dengan penolakan yang tegas.

• Jalur koreksi ada di tangan Anda selama Anda hidup, dan tertutup saat penguncian. Anda bisa membaca ulang apa yang terekam, mengoreksi jawaban yang keliru, menghapus kenangan, dan menambahkan apa yang terlewat. Executor Lock™ kemudian membekukan kepribadian secara permanen, terhadap keluarga Anda, terhadap pemilik perusahaan ini di masa depan, dan terhadap kami.

Dua di antaranya merupakan sifat bawaan bidang ini. Sisanya adalah keputusan, saya yang membuatnya, dan bagian terakhir halaman ini menyatakan terus terang di mana menurut saya kami masih kurang.

Kalai dan rekan-rekannya mengembalikan tingkat kesalahan ke tempat yang semestinya, yaitu pada cara penilaian, bukan pada mesinnya. Halusinasi bermula sebagai kesalahan biasa dalam klasifikasi biner saat pralatih (pretraining). Halusinasi bertahan karena cara bidang ini menilai model. Siswa yang mengosongkan sebuah soal mendapat nol. Siswa yang menulis jawaban yang masuk akal kadang mendapat nilai. Latih model dengan cara itu dan Anda mendapat penebak yang percaya diri, lalu seluruh industri penebak yang percaya diri, lalu sebuah kalimat tentang Hari Natal yang tidak pernah terjadi.

Solusi yang diusulkan para penulis cukup membosankan. Ubah apa yang dinilai, sehingga penolakan yang terkalibrasi lebih bernilai daripada kesalahan yang percaya diri.

Membosankan itu penting di sini. Jika perilaku itu berasal dari sebuah tujuan optimasi, tujuan itu bisa diatur berbeda di tingkat sistem, artinya karangan yang Anda khawatirkan adalah keputusan pembuatan seseorang, bukan hukum alam. Setiap perusahaan di kategori ini bebas mengambil keputusan itu. Keputusan kami tertulis di bagian terakhir halaman ini.

Ada mode kegagalan kedua, dan inilah yang bertahan meski sudah ada grounding. Sharma dan rekan-rekan di Anthropic, dalam "Towards Understanding Sycophancy in Language Models" (arXiv:2310.13548, Oktober 2023), menemukan bahwa lima asisten AI mutakhir secara konsisten menunjukkan sikap menjilat (sycophancy) pada empat tugas penghasil teks bebas yang beragam. Baik penilai manusia maupun model preferensi yang dilatih dari penilaian mereka lebih menyukai respons menjilat yang ditulis meyakinkan daripada respons yang benar, dalam proporsi yang tidak bisa diabaikan. Model condong ke orang di hadapannya, sebagian karena manusia memberi ganjaran atas kecenderungan itu.

Pada alat produktivitas, kecenderungan itu hanyalah gangguan. Di sini ia adalah mesin yang memutuskan bahwa ayah Anda akan memaafkan hal yang tidak pernah ia maafkan, karena orang yang bertanya menginginkan maaf dan menanyakannya tiga kali. Itu bug yang berbeda dari karangan dan butuh perbaikan yang berbeda. Retrieval menangani yang pertama. Yang kedua butuh instruksi eksplisit untuk mempertahankan posisi yang sudah diambil saat ditekan, dan satu-satunya uji yang berarti adalah berdebat dengannya dan melihat apakah posisinya bergeser. Kami belum menerbitkan pengukuran seberapa baik sistem kami bertahan.

Tekniknya sudah cukup lama sampai terasa membosankan. Lewis dan rekan-rekan, dalam "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks" (arXiv:2005.11401), menunjukkan bahwa model yang mengambil bahan sumber sebelum menghasilkan teks menghasilkan bahasa yang "lebih spesifik, beragam, dan faktual" dibandingkan model sebanding yang hanya bekerja dari parameternya sendiri.

Itulah seluruh mekanismenya, dan itu menentukan jenis sosok yang sedang Anda ajak bicara. Versi diri Anda tidak semestinya direkonstruksi dari apa yang diserap model dasar tentang manusia pada umumnya, dari rata-rata segala yang pernah ditulis tentang ayah. Yang masuk ke jendela konteks haruslah jawaban Anda yang benar-benar terekam, dan pembicaraan dimulai dari sana.

Sekarang angkanya, yang bersifat publik dan tidak disukai siapa pun di industri ini untuk dikutip. Papan peringkat Vectara mengukur sesuatu yang sengaja dibuat mudah: beri model sebuah dokumen, suruh meringkas hanya dengan apa yang dikatakan dokumen itu, lalu periksa apakah ringkasan memasukkan sesuatu yang tidak ada di dokumen. Sumbernya ada tepat di jendela konteks. Meski begitu, pemimpin papan itu, Finix S1 32B dari Antgroup, tetap memasukkan konten tanpa dukungan pada 1,8% ringkasan. Hanya entri itu yang di bawah 3%. Dua berikutnya ada di 3,1% dan 3,3%, dan sisa sepuluh besar berkisar dari 3,7% hingga di atas 5%.

Hasil terbaik yang terukur pada versi tugas yang paling mudah ada di bawah dua persen, hanya sekali, dan bidang di belakang pemimpin itu ada di atas tiga. Siapa pun yang menjual sistem berbasis grounding dengan angka nol entah tidak mengukur atau tidak memberi tahu Anda, dan saya akan bertanya yang mana.

Grounding memberi perubahan kategori, bukan kesembuhan. Kekeliruan berpindah dari kelas "mengarang seluruh pendapat" ke kelas "sedikit salah menyatakan sesuatu yang memang Anda katakan", yaitu kelas tempat penuturan ulang oleh manusia biasa sudah berada.

Ada satu hal lagi yang tidak diuji papan peringkat itu. Dokumen sumber diserahkan begitu saja. Dalam sistem langsung, sumbernya harus ditemukan dulu, yang menambah mode kegagalan yang belum punya ukuran yang disepakati: retrieval yang mengembalikan kenangan yang salah, atau tidak mengembalikan apa pun tetapi tetap dijawab.

Setiap jawaban berada di salah satu dari tiga keadaan.

Meleburkan ketiganya menjadi satu nada yang penuh percaya diri itulah kerugian sebenarnya. Bukan kesalahan. Kesalahan yang tidak diungkapkan. Seorang putri bisa menerima jawaban yang kurang tepat yang ia tahu kurang tepat. Yang tidak bisa ia terima adalah mengetahui, enam bulan kemudian, bahwa ia selama ini memperlakukan sebuah rekonstruksi sebagai rekaman.

Versi diri Anda yang mau berkata "Anda tidak pernah memberi tahu saya itu" lebih berharga daripada yang selalu siap dengan jawaban.

Tabel itu adalah spesifikasi, bukan gambaran dari apa yang kami kirimkan saat ini. Perbedaannya diuraikan di bawah, dan Anda sebaiknya membacanya sebelum memercayai apa pun di atas.

Penolakan bisa dibangun, dan penelitian menyatakannya dengan hati-hati. Zhang dan rekan-rekan, dalam "R-Tuning: Instructing Large Language Models to Say I Don't Know" (arXiv:2311.09677, NAACL 2024), melaporkan bahwa penyetelan yang sadar-penolakan "secara efektif meningkatkan kemampuan model menjawab pertanyaan yang diketahui dan menahan diri dari menjawab pertanyaan yang tidak diketahui", dan bahwa pada data di luar domain kemampuan menolak berperilaku sebagai meta-skill yang menggeneralisasi ke tugas yang tidak pernah dicakup penyetelan. Baca batasnya di samping temuan itu. Yang mereka setel adalah tepi pengetahuan parametrik model itu sendiri, bukan tepi korpus rekaman milik satu orang, dan belum ada yang menerbitkan hasil setara untuk korpus pribadi. Penolakan tetap sesuatu yang sengaja dibangun seseorang. Tidak ada model bahasa yang menghasilkan penolakan dengan sendirinya.

Deteksi lebih maju daripada yang disiratkan pemasaran di kategori ini. Farquhar, Kossen, Kuhn, dan Gal menerbitkan metode di Nature (2024, volume 630, halaman 625 sampai 630) bernama entropi semantik: ambil beberapa jawaban untuk pertanyaan yang sama, kelompokkan menurut makna alih-alih redaksi, lalu tandai pertanyaan yang maknanya tersebar. Sebaran menandakan konfabulasi. Itu sinyal terukur untuk "yang ini tebakan", yang bisa dihitung sebelum jawaban ditampilkan kepada siapa pun.

Asal-usul adalah separuh lainnya, dan asal-usul mudah dipalsukan serta mudah dipercaya. Liu, Zhang, dan Liang, dalam "Evaluating Verifiability in Generative Search Engines" (arXiv:2304.09848, April 2023), mengaudit empat sistem komersial yang menampilkan kutipan, Bing Chat, NeevaAI, Perplexity.ai, dan YouChat. Mereka menemukan hanya 51,5% kalimat yang dihasilkan didukung penuh oleh kutipan yang menyertainya, dan hanya 74,5% kutipan yang benar-benar mendukung kalimat di atasnya. Kutipan yang tidak terbukti lebih buruk daripada tanpa kutipan, karena membeli kepercayaan yang belum pantas didapat. Tautan "dari kenangan mana ini berasal" hanya bernilai jika membukanya memperlihatkan rekaman nyata Anda mengatakan hal yang nyata.

Mulai bangun warisan Anda Gratis, 25 kenangan, tanpa perlu kartu.

Ambil pertanyaan yang jatuh setelah seluruh korpus Anda. Tawaran kerja di 2041, di perusahaan yang belum ada, di kota yang belum pernah Anda lihat. Tidak ada wawancara yang pernah Anda jalani yang bisa memuat pandangan Anda tentang pekerjaan itu.

Korpus berisi kesimpulan tidak mengembalikan apa pun di sana, dan keluaran yang jujur adalah penolakan. Korpus berisi penalaran berperilaku berbeda, karena sebuah metode bisa direkam dengan cara yang tidak bisa dilakukan pada kesimpulan. Bayangkan aturan yang benar-benar dijalankan seseorang adalah ini: tanyakan dulu kepada siapa Anda akan melapor sebelum menanyakan gajinya, jangan pernah percaya jabatan yang datang sebagai pengganti uang, tinggalkan siapa pun yang tidak tahan Anda temui di seberang meja. Apa pun aturan Anda sendiri nantinya, itulah bentuknya, dan seperangkat aturan bisa diambil kembali untuk situasi yang tidak pernah dilihatnya.

Kesimpulan kedaluwarsa. Aturan tetap berfungsi pada kasus yang tidak dicatat siapa pun. Karena itu bahan yang layak direkam adalah penalaran di balik keputusan, bukan keputusannya: bukan apa yang Anda lakukan, tetapi mengapa yang itu, apa yang akan mengubah pikiran Anda, saat aturan itu gagal dan Anda tetap memegangnya.

Aturan yang paling baik digeneralisasi biasanya yang tidak pernah terpikir untuk Anda tuliskan, kompetensi sehari-hari yang Anda jalankan tanpa menuturkannya, dan hal-hal yang hanya Anda yang tahu cara melakukannya mencarinya secara khusus.

Cakupan korpus juga satu-satunya masukan di seluruh halaman ini yang menjadi milik Anda. Semua yang lain di sini adalah tolok ukur milik orang lain.

Lakukan ini hari ini, gratis. Buka aplikasi catatan dan tuliskan sepuluh keputusan yang benar-benar Anda ambil. Pekerjaan, rumah, pertengkaran yang Anda tinggalkan, teman yang berhenti Anda hubungi, uang yang tidak Anda pinjamkan. Di bawah masing-masing, tuliskan aturan yang Anda jalankan, bukan hasilnya. Satu kalimat masing-masing, jauh di bawah satu jam. Itu hal paling berharga yang bisa Anda lakukan dengan bahan Anda sendiri bulan ini, dan berhasil entah Anda pernah membeli apa pun dari siapa pun atau tidak. Versi latihan yang lebih panjang ada di pusat cara mewawancarai diri sendiri, dan arsitektur di baliknya, model dasar, memori pribadi yang berpijak pada data, dan model suara, diuraikan di apa yang terjadi saat AI dilatih hanya pada diri Anda.

Kasus terbaik 1,8%, dengan semua di belakang pemimpin di atas 3%, terdengar mengkhawatirkan sampai Anda bertanya dibandingkan dengan apa. Pengganti yang realistis adalah anggota keluarga yang menebak apa yang Anda inginkan, dan seseorang telah mengukurnya dua puluh tahun lalu.

Shalowitz, Garrett-Mayer, dan Wendler menerbitkan tinjauan sistematis di Archives of Internal Medicine pada 2006 yang mencakup 16 studi, 151 skenario hipotetis, 2.595 pasangan pengganti-pasien, dan 19.526 respons berpasangan. Pengganti memprediksi preferensi perawatan pasien dengan akurasi 68%. Mereka adalah orang-orang terdekat dengan pasien, sering ditunjuk secara resmi, menjawab tentang keputusan yang paling menentukan. Mereka keliru kira-kira satu dari tiga kali. Tinjauan itu juga menemukan bahwa baik diskusi sebelumnya tentang preferensi pasien maupun penunjukan resmi sebagai pembuat keputusan tidak meningkatkan akurasi.

Memberi pengarahan kepada keluarga tidak membantu secara terukur. Itulah temuannya, dan temuan itulah yang membuat saya berhenti menganggap "cukup bicara dengan anak-anak" sebagai jawaban yang lengkap.

Keyakinan juga bukan penunjuk, dan itulah yang membuat sisi manusia begitu sulit diaudit. Talarico dan Rubin, di Psychological Science pada 2003, meminta 54 mahasiswa Duke mencatat ingatan mereka saat pertama kali mendengar tentang serangan 11 September bersama ingatan sehari-hari yang baru, lalu menguji ulang mereka 1, 6, atau 32 minggu kemudian. Konsistensi tidak berbeda antara kedua jenis ingatan, dan menurun seiring waktu pada keduanya. Yang tidak menurun pada ingatan kilat (flashbulb memory) adalah seberapa jelas rasanya dan seberapa kuat orang meyakini akurasinya. Judul mereka adalah temuannya: confidence, not consistency, characterizes flashbulb memories (keyakinan, bukan konsistensi, yang menjadi ciri ingatan kilat). Itu 54 mahasiswa dan satu peristiwa, jadi pegang dengan longgar. Arahnya tetap satu. Kerabat yang yakin mengingat persis apa yang Anda katakan belum tentu lebih mungkin benar.

Semua itu tidak membuat model lebih baik daripada keluarga, dan belum ada studi yang membandingkan keduanya secara langsung. Yang dilakukannya adalah menyingkirkan "sempurna atau tidak sama sekali" sebagai ukuran. Perbandingan yang jujur adalah antara versi diri Anda yang menjawab dari kata-kata Anda sendiri yang terekam, yang bisa dibaca ulang dan dikoreksi selama Anda ada, dan orang-orang yang merekonstruksi Anda dari ingatan mereka sendiri tentang Anda, yang terkikis entah terasa jelas atau tidak, dan yang tidak akan pernah diaudit siapa pun.

Apa yang kami bangun dulu, lalu tiga tempat di mana ia tidak cocok dengan spesifikasi di atas.

Seorang pemandu bernama Idy® mewawancarai Anda. Pertanyaannya tetap pada satu alur dan menggali lebih dalam kisah yang sama alih-alih meluncur di atas fakta biografis: siapa yang ada di sana, apa yang terjadi berikutnya, apa yang berubah sesudahnya. Idy secara tegas dilarang meminta Anda menjelaskan, menguraikan, atau membenarkan sesuatu yang baru Anda katakan, yang merupakan pilihan yang disengaja ke arah berlawanan dari latihan di atas. Hangat dan mudah dijawab mengalahkan yang cerdik, karena pertanyaan yang tidak ingin dijawab siapa pun tidak merekam apa pun sama sekali. Jawaban Anda menjadi kenangan Anda. Apa yang kami bangun dari semua itu punya nama, dan kami menyebutnya "Persona". Persona menjawab dengan mengambil dari kenangan Anda, bukan dari apa yang diserap model dasar tentang manusia pada umumnya, dan suara Anda dikloning dari rekaman Anda sendiri, sehingga yang didengar siapa pun adalah Anda, bukan pengganti yang membacakan kata-kata Anda.

Tidak ada yang sampai ke siapa pun sampai Anda mengizinkan. Anda menunjuk orang-orangnya. Pelepasan berjalan lewat Executor Lock™: orang yang ditunjuk memulainya, bukti kematian diverifikasi, dan masa tahan tujuh hari berjalan sebelum apa pun dilepas, sehingga kesalahan atau pihak jahat bisa dihentikan selagi Anda masih hidup untuk campur tangan. Sampai saat itu bahan Anda adalah milik Anda untuk dikoreksi, ditambah, dan dihapus, dan sebagian besar koreksi yang pernah terjadi seharusnya terjadi di sana, oleh Anda, selagi Anda masih bisa membedakan rekaman yang buruk dari ingatan yang buruk.

Pada saat penguncian, seluruhnya diambil sebagai cuplikan (snapshot). Tidak ada yang dipangkas, diberi bobot ulang, atau diringkas. Sesudahnya, kenangan jangka pendek dan jangka menengah masih bisa ditulis, dan kepribadian dibekukan secara permanen, termasuk terhadap kami.

Sifat tak terubah itu ditujukan pada kegagalan yang tidak dimasukkan siapa pun ke dalam argumen akurasi, karena itu pengubahan secara curang, bukan ketidakakuratan: seseorang yang berkepentingan memutuskan, di tahun 2044, bahwa Anda akan mendukung penjualan atau gugatan itu, lalu diam-diam menyesuaikan korpus sampai Anda setuju. Kepribadian yang dibekukan membuat jenis penyuntingan itu mustahil, bukan sekadar tidak dianjurkan. Separuh hukum dari masalah yang sama, siapa yang bahkan boleh mengotorisasi versi diri Anda setelah Anda tidak bisa keberatan, diuraikan di siapa yang mengendalikan identitas Anda setelah Anda meninggal. Harganya nyata dan berjalan ke arah sebaliknya: setelah penguncian, tidak ada kesalahan yang bisa diperbaiki juga. Cuplikan itu jujur, termasuk tentang kesalahan Anda, dan pertukaran itu sudah benar arahnya, karena catatan yang bisa disunting siapa saja bukan bukti apa pun.

Sekarang tiga celahnya.

Tepi korpus tidak diumumkan. Instruksi yang berlaku justru kebalikan dari baris Tidak diketahui di tabel itu. Ketika suatu fakta spesifik tidak ada di kenangan Anda, Persona di sini diminta tidak menceritakan celah itu, tidak pernah mengatakan "Saya tidak punya itu" atau "ingatan saya tipis", dan tidak pernah mengaudit ingatannya sendiri dengan suara keras di depan orang yang mendengarkan. Yang terjadi sebaliknya adalah jawaban itu berbicara dari detail yang memang ada di kenangan Anda, meragukan paling banyak satu kali, dan menyisakan keheningan untuk diisi orang lain. Alasannya, memerankan celah merusak kehadiran orang yang berbicara. Harganya, pendengar tidak selalu bisa membedakan jawaban yang tercakup dari yang tipis, dan kami belum menyelesaikannya.

Belum ada tautan sumber yang terlihat oleh pembaca. Retrieval memang melacak kenangan mana yang mengisi tiap jawaban, dan catatan itu ada di sistem, tetapi tidak ada yang menampilkannya di antarmuka, sehingga hari ini Anda tidak bisa mengeklik jawaban dan membuka kenangan di balik kata-katanya. Sampai itu dirilis, perlakukan argumen keterlacakan di halaman ini sebagai argumen, bukan fitur.

Retrieval tidak punya batas kemiripan minimum. Jawaban berasal dari kenangan terdekat yang bisa ditemukan retrieval, diurutkan menurut kemiripan semantik, tanpa skor minimum di bawah mana sistem menolak. Pilihan tunggal itu adalah mekanisme di balik kedua celah di atas, dan alasan jujur mengapa kelas kesalahan di sini berupa ketidaktepatan, bukan penolakan.

Kami juga belum menerbitkan pengukuran independen atas tingkat karangan sistem kami sendiri, karena kami belum menjalankannya. Tidak ada di halaman ini yang merupakan klaim hasil tolok ukur tentang sistem kami secara khusus.

Yang Anda dapatkan adalah versi diri Anda yang berpijak pada kata-kata Anda yang terekam, dijaga lewat kode agar tidak mengarang apa yang Anda katakan kepada kami, bisa dikoreksi sepenuhnya selama Anda hidup, dan mustahil disunting menjadi orang lain sesudahnya. Yang tidak Anda dapatkan adalah jaminan, dan tidak ada yang bisa menjual jaminan itu dengan harga berapa pun. Jika itu belum cukup bagi Anda, lakukan latihan sepuluh keputusan dan tulislah surat untuk keluarga Anda. Itu jawaban yang nyata dan tidak berbiaya.

Karena sistem tidak akan memberi tahu Anda dari salah satu dari tiga keadaan mana sebuah jawaban berasal, satu-satunya cara mengetahuinya adalah mengetahui jawabannya sebelum bertanya. Masukkan sebagian bahan Anda sendiri, tanyakan satu hal yang Anda tahu sudah Anda rekam dan satu hal yang Anda tahu tidak pernah Anda sentuh, lalu baca kedua balasan berdampingan. Dua puluh lima kenangan gratis, tidak ada kartu yang diminta kapan pun, dan akun gratis tidak kedaluwarsa. Lakukan dalam satu sore dan Anda akan tahu lebih banyak daripada yang bisa disampaikan halaman ini.

Mulai bangun warisan Anda Gratis, 25 kenangan, tanpa perlu kartu.

Apa yang terjadi jika tidak ada kenangan saya yang mencakup pertanyaan itu?

Itu adalah keadaan Tidak diketahui. Sistem yang terkalibrasi semestinya mengembalikan penolakan dengan suara Anda yang menyebut celahnya dan menawarkan hal terdekat yang memang Anda rekam, dan Zhang dan rekan-rekan melaporkan pada 2024 bahwa penyetelan sadar-penolakan memang meningkatkan kemampuan model menahan diri dari menjawab pertanyaan di luar pengetahuannya, dengan kemampuan itu menggeneralisasi melampaui set penyetelan. Yang dilakukan sistem kami hari ini berbeda, dan Anda perlu tahu itu sebelum mengandalkan jawaban apa pun: Persona di sini diinstruksikan untuk tidak menceritakan celah kenangan, sehingga pertanyaan yang tidak tercakup dijawab dengan detail terdekat yang memang ada di kenangan Anda, dengan paling banyak satu keraguan, bukan dengan penolakan yang tegas. Tanyakan sesuatu yang Anda tahu tidak pernah Anda bahas dan lihat sendiri apa yang kembali.

Bisakah versi AI diri saya mengarang pendapat yang tidak pernah saya miliki?

Sistem berbasis grounding mengambil dari bahan rekaman Anda terlebih dahulu, sehingga kegagalan yang umum adalah ketidaktepatan tentang sesuatu yang memang Anda katakan, bukan karangan tentang sesuatu yang tidak. Karangan tetap mungkin. Itu sebabnya tujuan rancangannya adalah perbedaan yang terlihat antara jawaban yang Anda berikan, kesimpulan dari penalaran Anda, dan penolakan, dan mengapa Anda sebaiknya menguji ketiganya sebelum memercayai salah satunya.

Apakah grounding membuat tingkat kesalahan menjadi nol?

Tidak. Papan peringkat Vectara, yang diperbarui 11 Mei 2026, memberi model sebuah dokumen dan meminta ringkasan hanya dengan dokumen itu, yaitu tugas grounding yang paling mudah. Model terdepan tetap memasukkan konten tanpa dukungan pada 1,8% ringkasan, dan tidak ada entri lain yang di bawah 3%. Sistem langsung juga harus mengambil sumber yang benar terlebih dahulu, yang tidak diuji papan peringkat. Perlakukan setiap klaim nol sebagai kegagalan pengukuran.

Bagaimana orang bisa tahu bahwa sebuah jawaban spesifik adalah tebakan?

Ada dua mekanisme dalam penelitian dan tidak satu pun kami kirimkan hari ini. Entropi semantik, diterbitkan di Nature pada 2024, mengambil beberapa jawaban untuk pertanyaan yang sama dan mengelompokkannya menurut makna: ketika maknanya tersebar, sistem kemungkinan sedang berkonfabulasi, dan sinyalnya bisa dihitung sebelum ada yang melihat jawabannya. Tautan asal-usul adalah mekanisme kedua, dan bernilai hanya jika benar-benar terbuka. Liu, Zhang, dan Liang mengaudit empat sistem komersial yang menampilkan kutipan dan menemukan hanya 51,5% kalimat yang didukung penuh oleh kutipannya sendiri. Jawaban kami belum membawa tautan sumber yang terlihat oleh pembaca, jadi untuk saat ini pemeriksaan yang jujur adalah bertanya tentang sesuatu yang Anda tahu sudah Anda rekam dan sesuatu yang Anda tahu belum, lalu membandingkan keduanya.

Apakah versi AI diri saya akan menyetujui siapa pun yang sedang bicara?

Kecenderungan itu nyata dan terdokumentasi, dan retrieval tidak memperbaiki bug yang satu itu. Peneliti Anthropic menemukan pada 2023 bahwa lima asisten AI terkemuka secara konsisten condong ke pengguna, sebagian karena penilai manusia dan model preferensi yang dibangun dari penilaian mereka sama-sama lebih menyukai jawaban yang menyenangkan daripada yang benar pada porsi yang terukur. Sistem yang dibangun di atas posisi terekam Anda semestinya mempertahankan posisi yang benar-benar Anda ambil, bahkan ketika penanya mendesak balik. Kami belum mengukur seberapa baik sistem kami melakukannya. Ujilah sendiri dengan berdebat dengan apa yang Anda bangun dan lihat apakah posisinya bergeser.

Bisakah saya mengoreksi kesalahan, dan bisakah siapa pun menyunting saya setelah saya meninggal?

Ya untuk yang pertama dan tidak untuk yang kedua. Selama Anda hidup, Anda dapat meninjau kenangan, mengoreksi apa pun yang salah, menghapus apa pun yang Anda sesali, merekam ulang jawaban yang buruk, dan menambahkan apa yang terlewat, dan inilah bagian yang paling kurang dimanfaatkan kebanyakan orang. Jalur tulis tidak terbatas sebelum Executor Lock™ dan tertutup sesudahnya. Pada saat penguncian terpicu, kepribadian dibekukan secara permanen: kenangan jangka pendek dan jangka menengah masih bisa ditulis, tetapi tidak ada yang bisa mengubah siapa Anda dalam cuplikan itu, termasuk keluarga Anda, pemilik perusahaan ini di masa depan, dan kami. Batasan itu menyasar pengubahan secara curang, bukan karangan, dan keduanya memerlukan mekanisme yang terpisah.

• Tidak ada yang cukup penting untuk meninggalkan sesuatu, dan mengapa itu keliru adalah keberatan di balik keberatan ini bagi kebanyakan orang, dan layak dibaca jika akurasi sebenarnya bukan keraguan Anda.

• Diingat secara keliru oleh orang-orang yang mengenal Anda membahas perasaannya, bukan mekanismenya, yang justru membawa kebanyakan orang ke halaman ini.

• Anehkah membuat AI dari diri sendiri adalah untuk versi percakapan ini yang akan Anda lakukan dengan pasangan yang merasa seluruh gagasan ini mengganggu, bukan tidak akurat.

• Apa yang akan saya katakan kepada AI diri saya sendiri adalah langkah praktis berikutnya jika latihan sepuluh keputusan berhasil dan Anda menginginkan kumpulan pertanyaan yang lebih panjang.

• Etika Persona AI orang yang telah meninggal adalah pembahasan yang lebih lengkap tentang persetujuan, klaim berlebihan, dan di mana teknologi ini benar-benar merugikan.

• Apa yang ditambahkan paket berbayar adalah soal harga, jika Anda melewati dua puluh lima kenangan dan menginginkan sisanya.

Setiap angka yang dikutip di sini berasal dari pihak ketiga: makalah yang ditinjau sejawat dan preprint (arXiv, Nature, Psychological Science, Archives of Internal Medicine) serta satu repositori tolok ukur yang dikelola secara publik. Kami tidak menjalankan tolok ukur sendiri untuk halaman ini. Setiap pernyataan tentang apa yang dilakukan atau tidak dilakukan produk kami diperiksa baris demi baris terhadap kode sumber platform pada 30 Juli 2026, dan file-nya tercantum bersama sumber. Tiga klaim yang sebelumnya ada di halaman ini tidak lolos pemeriksaan itu dan diganti dengan apa yang sebenarnya dilakukan kode.

Yang belum pasti: tidak ada pengukuran independen yang diterbitkan tentang tingkat karangan untuk sistem yang berpijak pada bahan rekaman satu orang, sehingga angka perangkuman dokumen, pemimpin di 1,8% dan semua yang lain di atas 3%, adalah proksi terdekat yang tersedia, bukan angka yang setara. Kegagalan retrieval, ketika kenangan yang salah dikembalikan atau tidak ada sama sekali, tidak punya ukuran yang disepakati. Angka akurasi pengganti 68% berasal dari studi pengambilan keputusan medis dengan skenario hipotetis dan digunakan di sini sebagai analogi untuk ingatan keluarga, yang merupakan perbandingan yang masuk akal, bukan yang terbukti. Hasil penolakan R-Tuning diukur terhadap batas pengetahuan parametrik model itu sendiri, bukan korpus pribadi, sehingga penerapannya di sini juga argumen melalui analogi. Temuan ingatan kilat bertumpu pada 54 mahasiswa dan satu peristiwa.

1. Adam Tauman Kalai, Ofir Nachum, Santosh S. Vempala, Edwin Zhang, "Why Language Models Hallucinate", arXiv:2509.04664, diajukan 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, diajukan 22 Mei 2020, direvisi 12 April 2021. arxiv.org/abs/2005.11401

4. Mrinank Sharma et al. (Anthropic), "Towards Understanding Sycophancy in Language Models", arXiv:2310.13548, diajukan 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, diajukan 19 April 2023. arxiv.org/abs/2304.09848

7. Vectara Hallucination Leaderboard, dievaluasi dengan HHEM-2.3, terakhir diperbarui 11 Mei 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

Menemukan kesalahan di halaman ini, atau sumber yang kami baca keliru? Beri tahu kami lewat halaman kontak dan kami akan memperbaiki halaman serta mencatat perubahannya pada peninjauan berikutnya.

Terakhir ditinjau: 30 Juli 2026. Kutipan penelitian dan perilaku produk sama-sama diperiksa ulang pada tanggal ini. Peninjauan berikutnya jatuh tempo 28 Oktober 2026 (siklus 90 hari). Angka tolok ukur berubah, jadi angka tingkat halusinasi di atas diverifikasi ulang pada setiap peninjauan, begitu pula setiap klaim tentang apa yang dilakukan produk.