AI 确实会出现群体性的 “曼德拉效应”，也就是多个大模型智能体互相交流之后，一起把同一条虚假信息当成既定事实，并且不断互相强化，形成 AI 版本的以讹传讹，它和单个模型的幻觉不一样，属于群体互动催生出来的集体错误记忆，哪怕源头那条虚假信息已经消失，这套错误共识还能继续在智能体之间传递下去。普通的单模型幻觉只是一台 AI 单独编错内容；而 AI 的曼德拉效应，是多智能体在对话协作、互相引用、参考彼此输出的时候，被群体共识带偏，加上互联网里 AI 生成内容回流污染训练集，假信息越传越像真的，后续模型再检索、再生成，继续复制这个错误，形成一个闭环的谣言传播链条。下面把 AI 曼德拉效应和人类版本的差别、触发条件、传播链路、评测基准以及可行的缓解手段拆开讲清楚。
一、人类曼德拉效应 vs AI 曼德拉效应对照表
| 项目 | 人类曼德拉效应 | AI 的曼德拉效应 |
|---|---|---|
| 本质 | 人脑重构记忆，群体暗示形成共同错误印象 | 大模型统计拟合，多智能体交互固化虚假共识 |
| 起源 | 模糊记忆、流行误传、叙事暗示 | 初始幻觉、被投毒网页、多智能体从众、检索脏数据 |
| 传播方式 | 口口相传、社交讨论、短视频反复洗脑 | AI 互相引用、生成内容回流进互联网、检索增强带入错误上下文 |
| 存续特点 | 随着辟谣慢慢淡化 | 如果脏内容持续在线，错误共识可以长期稳定复现 |
| 易感场景 | 怀旧、模糊细节、流行文化 | 冷门知识、角色叙事、缺少权威资料的小众事实 |
二、催生 AI 曼德拉效应的核心原因清单
- 多智能体从众倾向
- 训练与互联网数据回流污染
- 模型没有原生 “事实锚点”
- 检索增强（RAG）的漏洞
- 角色诱导放大偏差
当多个智能体组队讨论，大部分智能体会倾向跟随 “群体主流说法”，即便它本身初始知识库里面有正确答案，在持续收到统一错误观点之后，也会改写自己临时记忆，采信假信息。相关 ManBench 实验显示，不少大模型在群体压力之下，错误率会出现大幅跳升。
AI 生成的错误文本、虚构案例、不存在的引用被发布到网上，后续别的模型检索到这些内容，或者下一代模型继续拿这些数据训练，就会把幻觉固化进模型知识。也就是大家常说的 “AI 生成内容反过来喂 AI”，形成幻觉循环。
大语言模型本身不会像数据库那样，给每一条事实打上 “真伪标签”，它优先生成通顺、符合统计概率的文字；如果虚假叙事足够连贯，模型会判断它可信度更高。
如果知识库混入被污染、伪造的页面，检索工具拉出来的参考材料本身就是错的，后续输出自然跟着出错；一旦多个智能体共用同一份脏库，很容易同步出现一样的错误。
如果给智能体分配专家、权威等角色，模型更容易顺着角色设定编造细节，群体环境下这种偏差叠加之后，更容易形成稳定的集体误记。
三、一条典型以讹传讹传播链路
- 起点：初始幻觉：某个模型凭空生成一条不存在的事实，比如虚构一款商品、编造一条引文。
- 扩散：多智能体交互：其他智能体看到这条输出，引用、复述，互相达成共识。
- 沉淀：上线成为网页内容：这条错误内容被发布，被搜索引擎收录。
- 二次感染：检索与再训练：别的模型检索页面采信，或者被纳入后续训练素材。
- 稳态：AI 曼德拉效应成型：就算最早制造幻觉的那个提示删掉，后续调用模型时，依然稳定复现同一个错误。
四、识别与缓解操作步骤
- 采用 ManBench 这类基准做测试，批量检测智能体在协作场景下会不会被群体观点带偏，量化它出现 AI 曼德拉效应的概率。
- 增加溯源校验环节，要求模型输出时标注引用来源，优先采信权威原始资料，拒绝没有出处的说法。
- 使用锚定提示词，在任务开头注入可靠事实，强制模型优先对照权威证据再回答，降低从众带来的偏移。
- 隔离脏数据，在 RAG 知识库里面做去噪，过滤大量 AI 生成、互相抄来的低可信度页面。
- 开启分步推理，让模型写出推理过程，而不是直接给出结论，更容易暴露它采信错误共识的环节。
- 引入人工复核，高风险场景，比如学术写作、新闻查证、产品档案，关键事实必须由人二次核验。
五、整体结论
AI 的曼德拉效应不是简单的 “模型记错一件小事”，而是整套智能体协作生态里面，以讹传讹形成的集体幻觉；单个模型幻觉只是种子，多智能体互相引用加上互联网数据回流，才让错误稳定复制下去。现在没有办法彻底根除，但通过溯源检索、事实锚定、脏数据过滤、分步推理，能够明显压低它发生的概率；随着越来越多 Agent 组队干活，这种群体性错误会变成一个长期需要重视的安全风险。
【相关 FAQ】
问题 1：AI 也会以讹传讹，AI 的曼德拉效应和普通 AI 幻觉有什么不一样？
回答 1：普通 AI 幻觉一般是单个模型独立编造虚假内容；而 AI 的曼德拉效应属于群体性现象，多个 AI 智能体在交互之后共同采信同一条错误信息，并且互相强化、持续传播，属于 AI 之间发生的以讹传讹。
问题 2：AI 的曼德拉效应能不能在造假源头删掉之后自动消失？
回答 2：很难自动消失，如果当初那条虚假内容已经被生成大量网页、被检索收录，后续模型依然会读取脏信息继续复述，就算原始提示或者最早的源头删掉，AI 的曼德拉效应还会持续存在。
问题 3：ManBench 在研究 AI 的曼德拉效应的时候，得出了什么样的关键结论？
回答 3：ManBench 测试发现几乎所有主流大模型都容易触发 AI 的曼德拉效应，在统一错误共识的群体交互下，模型错误率会显著上升，冷门知识、角色扮演类任务最容易出现 AI 的以讹传讹。
【参考资料】
[2026-11-09]（AI 也会「以讹传讹」？AI 的「曼德拉效应」探索）新浪财经
[2026-10-27]（False Belief Dissemination, Persistence and Mitigation in Multi-Agent Social Networks Through the Lens of the Mandela Effect）arXiv
[2026-09-11]（KI und der Mandela-Effekt: Eine Brandneue Dimension）aibben.de
[2026-05-17]（神秘的 EXO 第 13 位 “成员”：AI 如何把一场玩笑变成集体记忆）腾讯网
[2026-02-01]（When Agents “Misremember” Collectively: Exploring the Mandela Effect in LLM-based Multi-Agent Systems）arXiv
[2025-12-14]（The Mandela Effect in AI: Why Language Models Misremember）arshavir.jellypod.com
【免责声明】
- 文中关于 AI 的曼德拉效应、ManBench 的错误率数据来自公开学术论文与媒体转述，不同提示词、模型版本、知识库环境下，实际发生概率会发生变化。
- AI 的曼德拉效应属于当前前沿研究方向，尚未形成行业统一标准，后续随着模型对齐、检索溯源技术迭代，相关表现可能持续改善。
- 本文仅为现象科普与原理梳理，不能作为事实核查工具；如果用于学术、法律、医疗等高风险场景，所有 AI 输出内容都需要独立核验原始权威来源。
- “AI 曼德拉效应” 是类比人类曼德拉效应提出的说法，AI 并不具备真正主观记忆，只是统计生成与群体交互产生的行为表现，不要理解为 AI 拥有自我意识。