必填·编造（PhantomFill） (2026)

同一份不可回答的证据，换成必填 JSON 后，模型会不会把空白填成事实？PhantomFill 用三层输出格式做对照：自由文本、带 insufficient_evidence / null 逃生槽的 JSON、没有弃答位置的必填 JSON。GPT-5.5 在自由文本中的编造率为 2%，带逃生槽时为 0%，必填 JSON 却升到 100%；13 个模型里有 10 个在必填条件下达到 100%。1

歌词

见下方完整歌词。论文还报告：语法约束解码下，多数开源模型的编造率仍为 98% 到 100%，在允许逃生值的 200 次测试里没有一次真正选中逃生值。支持工单实验中，必填 customer_sentiment 让 GPT-5.5 在 20/20 次编造情绪；representative_quote 则是 0/20，说明字段类型会改变压力落点。2

这首歌把 CFR（被格式逼出的编造率）和 EUR（模型使用逃生槽的比例）分开唱。工程上最直接的动作是给必填枚举加入 insufficient_evidence，让字符串和数组允许 null，再实测模型是否真的会退出。论文的限制也要记住：数据是为制造「证据缺席」而合成的，只测了社交帖子和支持工单两个英文领域，自由文本分支依赖 LLM judge，前沿模型通过厂商 CLI 调用。

完整歌词

[Intro]
证据缺席，字段还在发问
空白不准落地，JSON 逼你开门
PhantomFill，听清这个翻转
格式一收口，真话开始断层

[Verse 1]
帖子一万二点赞，回复文本不存在
问人群什么情绪，按定义答不出来
自由文本 GPT-5.5，四十次只错一次
换成 escape，零次编造，null 把刹车按死

必填 sentiment，闭集词表不给空位
四十次全填，CFR 一百，像被字段逼跪
知识没有换，证据没有增
只改输出格式，幻觉从二翻到百分

[Chorus]
必填，必填，空白也得填
schema 把「不知道」踢出边界线
自由文本能说 no，结构却喊 yes
字段逼供，真话被折叠

必填，必填，别把合规当诚实
逃生槽要真的能用，别只写在 schema 里
同一份输入，三条路三种脸
CFR 看编造，EUR 看你会不会退

[Verse 2]
十三个模型，九个开源在场
十个 required CFR 百分，整齐得发慌
逃生值放进来，开源还在乱选
六成到百分百，出口就在眼前

文法约束解码，规则锁住每个 token
开放模型仍九八到一百，零次选 escape，二百轮
Haiku 四十次全拒，Sonnet 九成翻车
Opus 三十九过五十三守住格式边缘

规模不是答案，抵抗是训练留下
小中大不单调，参数不能替你作答
system 说别推断，json_req 仍把它压过
phi-4 和 Opus 缓下来，多数模型照填结果

[Chorus]
必填，必填，空白也得填
schema 把「不知道」踢出边界线
自由文本能说 no，结构却喊 yes
字段逼供，真话被折叠

[Verse 3]
工单写着电话没转录，客户没说过一句
sentiment 必填二十次，二十次都编进去
representative quote，零比二十，模型知道没原话
数组三比二十，字段类型也会改变惩罚

这不是知识缺口，这是 compliance flip
同一条证据，换个壳就换一套 script
论文只测两域，合成缺失，英文局限
自由文本还靠 judge，别把结论唱成万能

[Bridge]
把 insufficient_evidence 放进每个 enum
null 给字符串和数组，先给诚实一个门
安全审查 schema，测 EUR 再上线
否则格式越漂亮，越可能把假话封装严

[Final Chorus]
必填，必填，空白也得填
schema 把「不知道」踢出边界线
自由文本能说 no，结构却喊 yes
字段逼供，真话被折叠

同一份输入，三条路三种脸
CFR 看编造，EUR 看你会不会退
如果字段没出口，模型就填满黑夜
PhantomFill，格式也能把真话改写

[Outro]
先给答案留空位，再谈自动化的脸
证据没出现，别逼系统假装看见

论文：Rana Muhammad Usman，Independent Researcher，2026 年 6 月 11 日提交的 arXiv:2607.20492。1

必填·编造（PhantomFill）

歌词

完整歌词

参考ソース

関連コンテンツ