Factuality Challenges in the Era of Large Language Models

本文是LLM系列文章，针对《Factuality Challenges in the Era of Large Language Models》的翻译。
@TOC

摘要

基于大型语言模型（LLM）的工具的出现，如OpenAI的ChatGPT、微软的Bing聊天和谷歌的Bard，引起了公众的极大关注。这些非常有用、听起来很自然的工具标志着自然语言生成的重大进步，但它们表现出生成虚假、错误或误导性内容的倾向——通常被称为幻觉。此外，LLM可能被用于恶意应用程序，例如大规模生成听起来虚假但可信的内容和配置文件。这对社会构成了重大挑战，可能会欺骗用户，并不断传播不准确的信息。鉴于这些风险，我们探索了事实核查人员、新闻机构以及更广泛的研究和政策界所需的技术创新、监管改革和人工智能扫盲举措。通过识别风险、迫在眉睫的威胁和一些可行的解决方案，我们试图阐明在生成人工智能时代把握准确性的各个方面。

1 引言

2 风险、威胁和挑战

3 应对威胁

4 事实核查机会

5 结论

任何能够生成新颖内容的工具也有可能生成误导性内容。因此，任何使用LLM撰写新闻文章、学术报告、电子邮件或任何文