notebooklm 和 llm 的幻觉测试实例： > 梁山 108 好汉的座次安排，负责迎接来宾的首领有哪些？ 这个问题很“抽象”。就是因为读书时遇到了，就顺手拿来测试当前 llm 对边缘知识的处理效果。 gpt-5.2：不论是 thinking 还是 chat 模型，回答错误。但 search➕thinking 时可以答对。 notebooklm：作为“ai 笔记本”，我上传了水浒全文