金融大语言模型正被用于报告和披露的摘要生成，数值幻觉带来实际风险。已有研究多将幻觉归因于数值推理不足，但缺乏受控微调实验的系统验证。本文在成本可控的前提下，对三类模型进行比较：基础指令微调模型、领域适配模型（FT‑A）以及加入数值监督的领域模型（FT‑A+B+C）。我们提出三级可检测性分类：显性幻觉（货币数值捏造）、隐性‑显式幻觉（符合专业约定的数字）和隐性‑隐式幻觉（无依据的量化陈述）。实验显示，领域微调显著削弱数值约束，Base 模型的幻觉率约为 $5.4\%$，接近零；FT‑A 的显性幻觉率升至 $82.5\%$，FT‑A+B+C 更达 $98\%$。出乎意料的是，数值监督并未降低幻觉，反而在所有层级上放大。进一步分析发现，模板注入——在生成过程中插入记忆的标准数值而不依据输入内容——是主要机制。结论表明，金融摘要中的数值幻觉源于领域适配导致的约束退化，而非推理能力不足。我们建议评估时覆盖全部可检测性层级，并在部署时加入基于 grounding 的生成控制或拒绝机制。
点评