遵循维基百科的文体准则,本文包含对现有和不存在术语的交叉链接和引用。现有术语和概念用蓝色超链接表示,可将读者引导至相应维基百科页面或参考资料中的真实信息。不存在或虚构的术语(据我们所知尚未确定)用紫色标识,类似于维基百科表示应该存在但尚未存在的页面的方式。有时,本文会出于文体目的引用维基百科的引用准则,例如“[需要引用]”。这种方法增强了文章与维基百科编辑准则的联系,并使用交叉引用来增强读者的理解和获取更多信息。
自然的语言理解和产生已经取得了长足的进步,但持续的幻觉问题破坏了模型输出的可靠性。用外部知识来源(例如Wikipedia)介绍了检索提示的一代(RAG),提出了一种新颖而重要的方法来增强生成内容的事实准确性和连贯性。通过动态整合相关信息,Mistral模型表明了精度,回忆和整体响应质量的重大改进。本研究为减轻幻觉提供了一个强大的框架,为在关键应用程序中部署可靠的AI系统提供了宝贵的见解。全面的评估不足以提高抹布的潜力,以提高大语言模型的性能和可信度。
。CC-BY-NC 4.0 国际许可下可用(未经同行评审认证)是作者/资助者,他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2023 年 3 月 5 日发布。;https://doi.org/10.1101/2022.11.25.517950 doi:bioRxiv 预印本