解説

大規模言語モデル（LLM）は、学習データのパターンに基づいて確率的にテキストを生成するため、事実と異なる情報や存在しない情報を、まるで事実であるかのように自信を持って出力することがあります。この現象を「ハルシネーション（幻覚）」と呼びます。 ハルシネーションは存在しない薬名・企業名・引用文献などを実在するかのように生成する形で現れます。医療・法律・金融など正確性が求められる分野では特に危険であり、RAGシステムの導入や人間によるレビュープロセスの追加が有効な対策です。 選択肢Aのオーバーフィッティング（過学習）は機械学習モデルが訓練データに過剰適合する問題であり、LLMが虚偽情報を生成するハルシネーションとは別の概念です。 選択肢Cのコンセプトドリフトは本番環境でのデータ分布の変化によってモデル性能が低下する現象であり、誤情報生成の問題とは異なります。 選択肢Dのプロンプトインジェクションは外部からの悪意ある指示でLLMの動作を操作する攻撃手法であり、LLM自身が内部的に誤情報を生成するハルシネーションとは別の問題です。