解决外在幻觉：确保LLM的事实性和谦逊性

本文提供了一个有用的，尽管是简化的，LLM中外在幻觉的框架，强调了针对庞大的预训练数据集验证输出的挑战。 关注事实准确性和模型承认无知的能力对于构建可信赖的AI系统至关重要，但本文缺乏具体的解决方案或对现有缓解技术的讨论。

• •LLM中的幻觉可以分为上下文内和外在类型。
• •外在幻觉是指没有以预训练数据集（世界知识）为基础的捏造内容。
• •解决外在幻觉需要LLM是真实的，并在缺乏知识时承认这一点。