“上了 RAG，幻觉就压下去了。”这句话在圈子里被重复到快成物理定律了。我以前画 RAG 的时候也顺嘴这么讲过。两周前有人真去数了，八月十四号挂上 arXiv 的一篇（2608.14210），测了八个法律场景的 RAG 系统，语料一边是英文版 GDPR，一边是一部法语的国家民事法律。
结论先甩这儿：幻觉照样遍地都是。最好的系统，不到 10% 的回答有幻觉。最差的那个，接近一半。
我盯着“接近一半”看了半天。数了三遍。没错，接近一半的回答在编。
（“不到 10%”那边也先别急着鼓掌。法律场景里十条意见一条是编的，这东西你敢署名往外发吗。）
先把我上次画的图搬出来。上次画 RAG，我第一版就漏过一格，动手挨了打才补上，最终版长这样：
你提问 ──► 查资料 ──► 模型判断"这段相不相关 / 够不够" ──► 用上 / 丢掉 ──► 回答
中间那格“判断”，是我画错一次才加上的。这篇论文干的事，差不多就是拿八个真实系统给这张图做压力测试——而且测得比我狠：不光按整条回答算，还下到单条断言那一层，算了幻觉的密度和严重程度，最后又拿法律专家手写的 142 道题重新验了一遍。
等等等等，先别急着去骂那个接近一半的系统。这篇里最扎我的不是百分比，是另一条：前提就错了的问题，幻觉率特别高。
什么叫前提就错了的问题。打个比方，你问它：“GDPR 第 150 条对数据处理者有什么要求？”，GDPR 一共 99 条，150 是我现编的。正确答案只有一句：“没这条。”但这种题进了 RAG 系统，遭遇大概是这样：
"根据第 150 条……"
│
▼
查：检索器不会找"不存在的条文"，
它只返回"最像的"几段 —— 而总能找到像的
│
▼
拼：桌上有材料了
│
▼
答：一本正经给你讲"第 150 条"的立法精神
看到问题在哪了吗。整条流水线里，没有任何一格的职责是“检查问题本身成不成立”。检索器是相似度机器，你问什么它找什么，问一条不存在的条文，它照样端回来几段最像的；模型是接龙机器，桌上有料它就敢接。两台机器都很称职，串起来就是一场事故。
我盯着 false-premise 这个词看了半天，咔哒一下扣上了 💡——RAG 压不住的幻觉，大头根本不是“查不到”，是“不敢对问题本身说不”。我上次那格“判断”画小了：它不光要判断“查回来的资料相不相关”，还得先判断“这个问题站不站得住”。前者是资料问题，后者是胆量问题，而流水线里没人负责胆量。
再打个比方，RAG 一直被讲成开卷考试：答案都摊在桌上了，还怕答错？这篇论文告诉你，开卷了，最差的还是一半回答在编。
这个比喻有两个地方漏风，老实标出来。一，考卷上的题是出题人校过前提的，真实用户的问题里混着大量前提就错的题，开卷考试没这种题型，真实世界全是这种题型。二，开卷考生翻到不沾边的页，多少会心虚；接龙机不心虚，检索