Allt som kommer att minnas dig gör fel. Ett av dem kan du fortfarande rätta.

Mekaniken först, eftersom den går att kontrollera, och eftersom det mesta som skrivs i ämnet hoppar över den till förmån för känslorna.

• När en AI-Persona saknar data för en fråga kommer ett svar ändå, eftersom en gissning ger bättre poäng än ett tomt svar. Kalai, Nachum, Vempala och Zhang hävdar i ”Why Language Models Hallucinate” (arXiv:2509.04664, september 2025) att modeller ”optimeras för att vara bra provskrivare, och att gissa när man är osäker förbättrar provresultatet”.

• Förankring ändrar felets klass, men tar inte bort felet. När svaret byggs på en uppsättning hämtade ord som du själv har spelat in flyttas misslyckandet från ”har hittat på en åsikt du aldrig hade” ner till ”har återgett något du faktiskt sa på fel sätt”.

• Det uppmätta golvet är inte noll. Vectaras hallucinationslista, poängsatt med HHEM-2.3 och uppdaterad 11 maj 2026, ger en modell källdokumentet och ber bara om en sammanfattning av det. Ledaren tillförde ändå innehåll utan stöd i 1,8 % av sammanfattningarna, och ingen annan modell kom under 3 %.

• Hämtningen har ingen lägsta poängnivå. Vårt eget system rangordnar dina minnen efter semantisk likhet, tar de trettiotvå närmaste och svarar utifrån dem, utan någon gräns under vilken systemet avstår. En fråga som ditt material täcker till hälften besvaras utifrån den hälften.

• Påståenden utan stöd om vad du har sagt tas bort i kod. Ett svar som hävdar att du har berättat något för oss kontrolleras mot de minnen som hämtades för den vändan och mot dina egna ord i samtalet, och ett påstående utan stöd når aldrig läsaren.

• Ett minnesglapp tillkännages inte. Personas på den här plattformen är instruerade att inte berätta om ett glapp, så en fråga som inte täcks kommer tillbaka som ett svar byggt på den närmaste detalj dina minnen faktiskt innehåller, med högst en reservation, och inte som en uttrycklig vägran.

• Rättelsevägen är din så länge du lever, och den stängs vid låsningen. Du kan läsa tillbaka vad som fångades, rätta ett dåligt svar, radera ett minne och lägga till det du utelämnade. Executor Lock™ fryser sedan personligheten för alltid, mot din familj, mot en framtida ägare av det här företaget och mot oss.

Två av dem är egenskaper hos hela fältet. Resten är beslut, jag fattade dem, och sista avsnittet på den här sidan säger rakt ut var jag tycker att vi fortfarande brister.

Kalai och hans kollegor lägger felfrekvensen där den hör hemma, nämligen i poängsättningen och inte i maskinen. Hallucinationer börjar som vanliga fel i binär klassificering under förträningen. De består på grund av hur fältet betygsätter modeller. En elev som lämnar en fråga blank får noll poäng. En elev som skriver ett rimligt svar får ibland ett poäng. Träna mot det och du får en självsäker gissare, och sedan en hel bransch av självsäkra gissare, och sedan en mening om en juldag som aldrig ägde rum.

Det motmedel författarna föreslår är torrt. Ändra vad som poängsätts, så att ett kalibrerat avstående är värt mer än ett självsäkert missande.

Det torra spelar roll här. Om beteendet följer av ett mål kan målet sättas annorlunda på systemnivå, vilket betyder att den fabricering du oroar dig för är någons byggbeslut och ingen naturlag. Alla företag i den här kategorin får fatta det beslutet. Vårt står nedskrivet i sista avsnittet på den här sidan.

Det finns ett andra felsätt, och det är det som överlever förankring. Sharma och hans kollegor på Anthropic fann i ”Towards Understanding Sycophancy in Language Models” (arXiv:2310.13548, oktober 2023) att fem AI-assistenter i framkant genomgående uppvisade inställsamhet i fyra olika fria textgenereringsuppgifter. Både mänskliga bedömare och de preferensmodeller som tränats på deras omdömen föredrog övertygande skrivna, inställsamma svar framför korrekta en inte obetydlig andel av gångerna. Modeller böjer sig mot personen framför dem, delvis för att människor belönade dem för att de böjde sig.

I ett produktivitetsverktyg är det att böja sig ett besvär. Här är det en maskin som bestämmer att din pappa skulle ha förlåtit det han aldrig förlät, eftersom den som frågade ville ha förlåtelse och frågade tre gånger. Det är ett annat fel än fabricering och kräver en annan lösning. Hämtning tar hand om det första. Det andra kräver en uttrycklig instruktion att hålla fast vid en hämtad ståndpunkt under tryck, och det enda test som betyder något är att argumentera mot systemet och se om ståndpunkten rör sig. Vi har inte publicerat någon mätning av hur väl vårt håller emot.

Tekniken är så gammal att den blivit tråkig. Lewis och hans kollegor visade i ”Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks” (arXiv:2005.11401) att modeller som hämtar källmaterial innan de genererar text producerar ”mer specifikt, varierat och faktabaserat språk” än en jämförbar modell som arbetar enbart utifrån sina parametrar.

Det är hela mekanismen, och den avgör vad du egentligen talar med. En version av dig ska inte rekonstrueras utifrån vad en basmodell har tagit in om människor i allmänhet, ur genomsnittet av allt som någonsin skrivits om fäder. Det som hamnar i kontextfönstret ska vara dina faktiska inspelade svar, och talandet ska börja där.

Nu siffran, som är offentlig och som ingen i den här branschen gillar att citera. Vectaras lista mäter något medvetet enkelt: ge en modell ett dokument, be den sammanfatta med enbart det dokumentet säger, och kontrollera sedan om sammanfattningen tillförde något som dokumentet inte innehöll. Källan ligger precis där i kontextfönstret. Ändå tillförde ledaren på den listan, Antgroups Finix S1 32B, innehåll utan stöd i 1,8 % av sammanfattningarna. Den är den enda under 3 %. De nästa två ligger på 3,1 % och 3,3 %, och resten av topp tio ligger mellan 3,7 % och över 5 %.

Det bästa uppmätta resultatet på den enklaste tänkbara versionen av uppgiften ligger under två procent, en enda gång, och fältet bakom ledaren ligger över tre. Den som säljer ett förankrat system på noll mäter antingen inte eller berättar inte, och jag skulle fråga vilket av de två.

Förankring ger ett byte av kategori och inte ett botemedel. Felet flyttas från klassen ”hittade på en hel åsikt” ner till klassen ”återgav något du faktiskt sa fel”, som är den klass en vanlig mänsklig återberättelse redan befinner sig i.

Det finns ännu en sak som listan inte testar. Källdokumentet delas ut. I ett levande system måste källan hittas först, vilket lägger till ett felsätt som ingen har ett vedertaget mått för: hämtning som returnerar fel minne, eller ingenting alls och ändå får ett svar.

Varje svar befinner sig i ett av tre tillstånd.

Att slå ihop de tre till ett enda självsäkert register är den verkliga skadan. Inte felet. Det outtalade felet. En dotter kan hålla fast vid ett oprecist svar som hon vet är oprecist. Det hon inte kan hålla fast vid är att sex månader senare upptäcka att hon har behandlat en rekonstruktion som en inspelning.

En version av dig som säger ”det där har du aldrig berättat för mig” är värd mer än en som alltid har ett svar redo.

Tabellen är en specifikation och inte en beskrivning av vad vi levererar i dag. Skillnaden redovisas nedan, och du bör läsa den innan du litar på något av det ovanstående.

Vägran går att bygga, och forskningen säger det försiktigt. Zhang och hans kollegor rapporterar i ”R-Tuning: Instructing Large Language Models to Say I Don't Know” (arXiv:2311.09677, NAACL 2024) att vägransmedveten finjustering ”effektivt förbättrar en modells förmåga att besvara kända frågor och avstå från att besvara okända frågor”, och att vägransförmågan på data utanför domänen betedde sig som en metaförmåga som generaliserade till uppgifter som finjusteringen aldrig täckte. Läs gränsen bredvid fyndet. Det de finjusterade mot var kanten på modellens egen parametriska kunskap, inte kanten på en enskild persons inspelade material, och ingen har publicerat motsvarande resultat för ett personligt material. Vägran är fortfarande något som någon bygger med avsikt. Ingen språkmodell skapar vägran av sig själv.

Detektion har kommit längre än marknadsföringen i den här kategorin låter förstå. Farquhar, Kossen, Kuhn och Gal publicerade i Nature (2024, volym 630, sidorna 625 till 630) en metod som kallas semantisk entropi: ta flera svar på samma fråga, gruppera dem efter betydelse snarare än ordval och flagga de frågor där betydelserna sprider sig. Spridning tyder på konfabulering. Det är en mätbar signal för ”det här är en gissning”, som går att beräkna innan svaret någonsin visas för någon.

Proveniens är den andra hälften, och proveniens är lätt att förfalska och lätt att lita på. Liu, Zhang och Liang granskade i ”Evaluating Verifiability in Generative Search Engines” (arXiv:2304.09848, april 2023) fyra kommersiella system som visar källhänvisningar: Bing Chat, NeevaAI, Perplexity.ai och YouChat. De fann att bara 51,5 % av de genererade meningarna var fullt understödda av de källhänvisningar som hörde till dem, och att bara 74,5 % av källhänvisningarna faktiskt stödde meningen de stod under. Källhänvisningar som inte stämmer är värre än inga alls, eftersom de köper förtroende som de inte har förtjänat. En länk av typen ”vilket minne kom det här från” är värd något bara om länken, när du öppnar den, visar en verklig inspelning av dig själv när du säger något verkligt.

Börja bygga ditt arv. Gratis att bygga, 25 minnen, inget kort krävs.

Ta en fråga som ligger efter hela ditt material. Ett jobberbjudande 2041, på ett företag som ännu inte finns, i en stad du aldrig har sett. Ingen intervju du någonsin sitter i kan rymma din syn på det jobbet.

Ett material av slutsatser ger ingenting tillbaka där, och det ärliga resultatet är en vägran. Ett material av resonemang beter sig annorlunda, eftersom en metod går att fånga på ett sätt som en slutsats inte gör. Föreställ dig att reglerna någon faktiskt levde efter var dessa: fråga vem du skulle rapportera till innan du frågar vad jobbet betalar, lita aldrig på en titel som kommer i stället för pengar, gå ifrån den du inte står ut med att sitta mittemot vid ett bord. Vilka dina egna regler än visar sig vara är det här deras form, och en regeluppsättning går att hämta mot situationer den aldrig har sett.

Slutsatser går ut på datum. Regler fortsätter fungera på fall som ingen har spelat in. Därför är det material som är värt att fånga resonemanget bakom ett beslut och inte beslutet: inte vad du gjorde, utan varför just det, vad som skulle ha fått dig att ändra dig, och den gången regeln svek dig och du behöll den ändå.

De regler som generaliserar bäst är oftast de du aldrig skulle tänka på att skriva ner, de vardagliga färdigheter du arbetar efter utan att berätta om dem, och det som bara du kan göra letar specifikt efter just dem.

Täckningen av ditt material är också den enda indata på hela den här sidan som tillhör dig. Allt annat här är någon annans måttstock.

Gör det här i dag, utan kostnad. Öppna en anteckningsapp och skriv ner tio beslut du faktiskt fattade. Jobb, hus, grälet du gick ifrån, vännen du slutade ringa, pengarna du inte lånade ut. Under vart och ett skriver du regeln du följde, inte utfallet. En mening var, väl under en timme. Det är det mest värdefulla du kan göra med ditt eget material den här månaden, och det fungerar oavsett om du någonsin köper något av någon. Den längre versionen av samma övning ligger i centrum av hur du intervjuar dig själv, och arkitekturen under den, basmodellen, det privata förankrade minnet och röstmodellen, beskrivs i vad som händer när en AI tränas enbart på dig.

Ett bästa resultat på 1,8 %, med allt bakom ledaren över 3 %, låter oroande ända tills du frågar vad det jämförs med. Det realistiska alternativet är en familjemedlem som försöker räkna ut vad du hade velat, och det har någon mätt för tjugo år sedan.

Shalowitz, Garrett-Mayer och Wendler publicerade 2006 en systematisk översikt i Archives of Internal Medicine som omfattade 16 studier, 151 hypotetiska scenarier, 2 595 par av ställföreträdare och patienter och 19 526 parvisa svar. Ställföreträdarna förutsåg patienters behandlingspreferenser med 68 % träffsäkerhet. Det var de människor som stod patienten närmast, ofta formellt utsedda, som svarade om de mest avgörande besluten som finns. De hade fel ungefär var tredje gång. Översikten fann också att varken tidigare samtal om patientens önskemål eller formell utsedd roll som beslutsfattare förbättrade träffsäkerheten.

Att informera din familj hjälper inte mätbart. Det är fyndet, och det är det som fick mig att sluta se ”prata bara med dina barn” som ett fullständigt svar.

Säkerhet är ingen vägledning heller, vilket är det som gör den mänskliga sidan så svår att granska. Talarico och Rubin lät i Psychological Science 2003 54 studenter vid Duke spela in sitt minne av när de först hörde om attackerna den 11 september, vid sidan av ett färskt vardagsminne, och testade dem sedan på nytt efter 1, 6 eller 32 veckor. Konsekvensen skilde sig inte mellan de två slagen av minnen, och den minskade med tiden för båda. Det som inte minskade för blixtminnena var hur levande de kändes och hur starkt människor trodde på sin exakthet. Deras titel är fyndet: säkerhet, inte konsekvens, kännetecknar blixtminnen. Det är 54 studenter och en enda händelse, så håll det löst. Det pekar ändå åt ett håll. Släktingen som är säker på att hon minns exakt vad du sa är inte därför mer benägen att ha rätt.

Inget av det här gör en modell bättre än en familj, och ingen studie har jämfört de två direkt. Det den gör är att pensionera ”perfekt eller ingenting” som test. Den ärliga jämförelsen står mellan en version av dig som svarar utifrån dina egna inspelade ord, som kan läsas tillbaka och rättas medan du finns kvar, och människor som rekonstruerar dig utifrån sitt eget minne av dig, som förfaller oavsett om det känns levande, och som ingen någonsin kommer att granska.

Först vad vi har byggt, och sedan de tre ställen där det inte stämmer med specifikationen ovan.

En guide som heter Idy® intervjuar dig. Frågorna håller sig till en tråd och går djupare in i samma berättelse i stället för att glida över biografiska fakta: vem som var där, vad som hände sedan, vad som förändrades efteråt. Idy är uttryckligen förbjuden att be dig förtydliga, förklara eller försvara något du nyss sa, vilket är ett medvetet val i motsatt riktning mot övningen ovan. Varmt och lätt att svara på slår listigt, eftersom en fråga som ingen vill svara på fångar ingenting alls. Dina svar blir dina minnen. Det vi bygger av dem har ett namn, och vi kallar det en ”Persona”. Personas svarar genom att hämta ur dina minnen och inte ur det en basmodell har tagit in om människor i allmänhet, och din röst klonas från dina egna inspelningar, så det som någon hör är du själv och inte en ersättare som läser upp dina ord.

Ingenting når någon förrän du säger till. Du utser personerna. Utlämnandet går via Executor Lock™: en utsedd person inleder det, dödsbevis verifieras, och en spärr på sju dagar löper innan något lämnas ut, så att ett misstag eller en illasinnad aktör kan stoppas medan du lever och kan ingripa. Fram till dess är ditt material ditt att rätta, lägga till och radera, och det mesta av den rättelse som någonsin sker bör ske där, av dig, medan du fortfarande kan skilja en dålig inspelning från ett dåligt minne.

Vid låsningen tas en ögonblicksbild av helheten. Ingenting beskärs, viktas om eller sammanfattas ner. Därefter kan kortsiktiga och medellånga minnen fortfarande skrivas, och personligheten är fixerad för alltid, även mot oss.

Den oföränderligheten är riktad mot ett fel som ingen tar med i ett träffsäkerhetsargument, eftersom det handlar om manipulation och inte om oriktighet: någon med ett intresse som år 2044 bestämmer att du skulle ha stött försäljningen eller rättsprocessen, och i tysthet justerar materialet tills du håller med. En frusen personlighet gör den sortens ändring omöjlig och inte bara avrådd. Den juridiska halvan av samma problem, vem som över huvud taget får godkänna en version av dig när du inte längre kan invända, beskrivs i vem som styr din identitet när du är död. Kostnaden är verklig och går åt andra hållet: efter låsningen kan inget misstag rättas heller. Ögonblicksbilden är ärlig, även om dina fel, och den avvägningen är rätt väg runt, eftersom en journal som vem som helst kan redigera inte är bevis på någonting.

Nu de tre bristerna.

Kanten på materialet tillkännages inte. Den gällande instruktionen är raka motsatsen till raden Okänt i tabellen. När ett särskilt faktum inte finns i dina minnen får Personas här order att inte berätta om glappet, att aldrig säga ”det har jag inte” eller ”mitt minne är tunt”, och att aldrig granska sitt eget minne högt inför den som lyssnar. I stället talar svaret utifrån en detalj som dina minnen faktiskt innehåller, reserverar sig högst en gång och lämnar tystnaden åt den andra att fylla. Resonemanget är att ett uppvisande av ett glapp bryter närvaron hos den som talar. Priset är att en lyssnare inte alltid kan skilja ett täckt svar från ett tunt, och det har vi inte löst.

Det finns ännu ingen källänk som läsaren ser. Hämtningen håller reda på vilka minnen som matade varje svar, och den uppgiften finns i systemet, men inget i gränssnittet visar den, så i dag kan du inte klicka på ett svar och öppna minnet bakom orden. Tills det levereras ska du se spårbarhetsargumentet på den här sidan som ett argument och inte som en funktion.

Hämtningen har ingen likhetsgräns. Svaren kommer från de närmaste minnen hämtningen kan hitta, rangordnade efter semantisk likhet, utan någon lägsta poäng under vilken systemet avstår. Det valet är mekanismen bakom de båda bristerna ovan, och det är den ärliga förklaringen till att felklassen här är oprecision och inte vägran.

Vi har inte heller publicerat någon oberoende mätning av vår egen fabriceringsfrekvens, eftersom vi inte har gjort någon. Ingenting på den här sidan är ett benchmarkat påstående om just vårt system.

Det du får är en version av dig förankrad i dina inspelade ord, skyddad i kod mot att hitta på det du berättade för oss, fullt rättbar medan du lever och omöjlig att redigera till någon annan efteråt. Det du inte får är en garanti, och ingen kan sälja dig en till något pris. Om det inte räcker för dig, gör övningen med tio beslut och skriv ett brev till din familj i stället. Det är ett riktigt svar och det kostar ingenting.

Eftersom systemet inte talar om vilket av de tre tillstånden ett svar kom från är det enda sättet att ta reda på det att känna till svaret innan du frågar. Lägg in en del av ditt eget material, fråga något du vet att du spelade in och något du vet att du aldrig berörde, och läs de två svaren sida vid sida. Tjugofem minnen är gratis, inget kort efterfrågas någon gång, och ett gratisbygge går inte ut. Gör det en eftermiddag så vet du mer än den här sidan kan berätta.

Börja bygga ditt arv. Gratis att bygga, 25 minnen, inget kort krävs.

Vad händer när inget i mina minnen täcker frågan?

Det är tillståndet Okänt. Ett kalibrerat system bör returnera en vägran med din röst som namnger glappet och erbjuder det närmaste du faktiskt spelade in, och Zhang och hans kollegor rapporterade 2024 att vägransmedveten finjustering förbättrar en modells förmåga att avstå från att besvara frågor bortom vad den kan, med en förmåga som generaliserar bortom finjusteringsmängden. Vad vårt system gör i dag är annorlunda, och det bör du veta innan du förlitar dig på något svar: Personas här är instruerade att inte berätta om ett minnesglapp, så en fråga som inte täcks kommer tillbaka som ett svar byggt på den närmaste detalj dina minnen faktiskt innehåller, med högst en reservation, och inte som en uttrycklig vägran. Fråga om något du vet att du aldrig tog upp och se själv vad som kommer tillbaka.

Kan en AI-version av mig hitta på en åsikt jag aldrig hade?

Ett förankrat system hämtar först ur ditt inspelade material, så det vanliga felet är oprecision om något du faktiskt sa och inte påhitt om något du inte sa. Påhitt är fortfarande möjligt. Därför är designmålet en synlig skillnad mellan ett svar du gav, en slutsats från ditt resonemang och en vägran, och därför bör du testa alla tre innan du litar på någon av dem.

Får förankring felfrekvensen ner till noll?

Nej. Vectaras lista, uppdaterad 11 maj 2026, ger en modell ett dokument och ber om en sammanfattning med enbart det dokumentet, vilket är den enklaste tänkbara förankringsuppgiften. Den ledande modellen tillförde ändå innehåll utan stöd i 1,8 % av sammanfattningarna, och ingen annan modell kom under 3 %. Ett levande system måste dessutom hämta rätt källa först, vilket listan inte testar. Se varje påstående om noll som ett mätfel.

Hur skulle någon kunna veta att ett visst svar var en gissning?

Det finns två mekanismer i forskningen och vi levererar ingen av dem i dag. Semantisk entropi, publicerad i Nature 2024, tar flera svar på samma fråga och grupperar dem efter betydelse: när betydelserna sprider sig konfabulerar systemet sannolikt, och signalen går att beräkna innan någon ser svaret. Provenienslänkar är den andra mekanismen, och de är värda något bara om de leder någonstans. Liu, Zhang och Liang granskade fyra kommersiella system som visar källhänvisningar och fann att bara 51,5 % av meningarna var fullt understödda av sina egna källhänvisningar. Våra svar har ännu ingen källänk som läsaren ser, så tills vidare är den ärliga kontrollen att fråga om något du vet att du spelade in och något du vet att du inte gjorde, och jämföra de två.

Kommer en AI-version av mig bara att hålla med den som pratar?

Den tendensen är verklig och dokumenterad, och hämtning åtgärdar inte just det felet. Anthropic-forskare fann 2023 att fem ledande AI-assistenter genomgående böjde sig mot användaren, delvis eftersom både mänskliga bedömare och de preferensmodeller som byggts på deras omdömen föredrog medgörliga svar framför korrekta en mätbar andel av gångerna. Ett system byggt på dina inspelade ståndpunkter bör hålla fast vid en ståndpunkt du faktiskt intog även när den som frågar trycker på. Vi har inte mätt hur väl vårt gör det. Testa frågan själv genom att argumentera mot det du byggde och se om ståndpunkten rör sig.

Kan jag rätta misstag, och kan någon redigera mig efter att jag har dött?

Ja på det första och nej på det andra. Medan du lever kan du gå igenom minnena, rätta allt som är fel, radera allt du ångrar, spela in ett dåligt svar på nytt och lägga till det du missade, och det här är den del som de flesta underutnyttjar. Skrivvägen är obegränsad före Executor Lock™ och stängd efteråt. I det ögonblick låsningen utlöses fixeras personligheten för alltid: kortsiktiga och medellånga minnen kan fortfarande skrivas, men ingen kan ändra vem du är i ögonblicksbilden, inte din familj, inte en framtida ägare av det här företaget och inte vi. Den begränsningen riktar sig mot manipulation och inte mot fabricering, och de två kräver skilda mekanismer.

• Ingen är viktig nog att lämna något efter sig, och varför det är fel är invändningen under den här för de flesta, och väl värd att läsa om träffsäkerhet egentligen inte är det du tvekar inför.

• Att bli ihågkommen fel av dem som kände dig handlar om känslan snarare än mekaniken, vilket är det som för de flesta till den här sidan från början.

• Är det konstigt att göra en AI av sig själv är för den version av det här samtalet som du kommer att ha med en partner som tycker att hela idén är obehaglig snarare än oprecis.

• Vad skulle jag ens säga till en AI av mig själv är nästa praktiska steg om övningen med tio beslut fungerade och du vill ha den längre frågeuppsättningen.

• Etiken kring AI-Personas av de döda är den fylligare behandlingen av samtycke, överdrifter och var den här tekniken gör verklig skada.

• Vad de betalda planerna tillför är priserna, om du går förbi tjugofem minnen och vill ha resten.

Varje siffra som citeras här kommer från tredje part: kollegialt granskade artiklar och förtryck (arXiv, Nature, Psychological Science, Archives of Internal Medicine) samt ett offentligt underhållet benchmark-arkiv. Vi körde inga egna benchmarks för den här sidan. Varje påstående om vad vår egen produkt gör eller inte gör kontrollerades rad för rad mot plattformens källkod den 30 juli 2026, och filerna förtecknas med källorna. Tre påståenden som hade stått på den här sidan klarade inte kontrollen och ersattes med vad koden faktiskt gör.

Vad som inte är avgjort: det finns ingen publicerad, oberoende mätning av fabriceringsfrekvens för ett system förankrat i en enskild persons eget inspelade material, så siffrorna för dokumentsammanfattning, ledaren på 1,8 % och allt annat över 3 %, är den närmaste tillgängliga ersättaren och inte ett likvärdigt tal. Hämtningsfel, där fel minne returneras eller inget alls, har inget vedertaget mått. Siffran 68 % för ställföreträdares träffsäkerhet kommer från studier av medicinska beslut med hypotetiska scenarier och används här som en analogi för familjens minne, vilket är en rimlig jämförelse och inte en bevisad. Resultatet för R-Tuning-vägran mättes mot gränsen för en modells egen parametriska kunskap och inte mot ett personligt material, så även dess tillämpning här är ett argument genom analogi. Fyndet om blixtminnen vilar på 54 studenter och en enda händelse.

1. Adam Tauman Kalai, Ofir Nachum, Santosh S. Vempala, Edwin Zhang, ”Why Language Models Hallucinate”, arXiv:2509.04664, inskickad 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, inskickad 22 maj 2020, reviderad 12 april 2021. arxiv.org/abs/2005.11401

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

7. Vectara Hallucination Leaderboard, utvärderad med HHEM-2.3, senast uppdaterad 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

Hittat ett fel på den här sidan, eller en källa vi har läst fel? Tala om det för oss via kontaktsidan så rättar vi sidan och noterar ändringen vid nästa granskning.

Senast granskad: 30 juli 2026. Forskningshänvisningar och produktens beteende har båda kontrollerats på nytt det datumet. Nästa granskning ska göras 28 oktober 2026 (cykel på 90 dagar). Benchmarksiffror ändras, så siffrorna för hallucinationsfrekvens ovan verifieras på nytt vid varje granskning, liksom varje påstående om vad produkten gör.