大模型总弄错「事实」怎么办？这有一份汇聚了300多篇文献的综述

西湖大学联合国内外十家科研单位发表了一篇大模型事实性的综述，这篇文章对大模型的事实性进行了详细的梳理和总结。

大模型在掌握事实性知识上展现出巨大的能力和潜力，但是其仍然存在一些问题，比如缺乏领域知识，缺乏实时知识，可能会产生幻觉等等，这极大的限制了大模型的应用和可依靠性。近期已经有一些工作针对大模型的事实性进行了研究，但仍未有文章对大模型事实性的定义、影响、评估、分析和增强进行完整的梳理。

西湖大学联合国内外十家科研单位发表了一篇大模型事实性的综述《Survey on Factuality in Large Language Models: Knowledge, Retrieval and Domain-Specificity》，该综述调研了三百余篇文献，重点讨论了事实性的定义和影响、大模型事实性的评估、大模型事实性机制和产生错误的原理、大模型事实性的增强等几个方面的内容，对大模型的事实性进行了详细的梳理和总结。这篇综述的目标是为了帮助学界和业界的研究开发人员更好得理解大模型的事实性，增加模型的知识水平和可靠程度。

• 论文链接：https://arxiv.org/pdf/2310.07521.pdf
• 开源链接࿱