A Survey on Hallucination in Large Language Models: Principles, Taxonomy, Challenges

本文是LLM系列文章，针对《A Survey on Hallucination in Large Language Models: Principles, Taxonomy, Challenges, and Open Questions》的翻译。

摘要

大型语言模型（LLM）的出现标志着自然语言处理（NLP）的重大突破，在文本理解和生成方面取得了显著进步。然而，在这些进步的同时，LLM表现出产生幻觉的严重趋势，导致内容与现实世界的事实或用户输入不一致。这一现象对LLM的实际部署提出了重大挑战，并引发了人们对LLM在现实世界场景中的可靠性的担忧，这引起了人们对检测和缓解这些幻觉的日益关注。在这项调查中，我们旨在对LLM幻觉领域的最新进展进行全面深入的概述。我们从LLM幻觉的创新分类法开始，然后深入研究导致幻觉的因素。随后，我们对幻觉检测方法和基准进行了全面的概述。此外，还相应地介绍了旨在减轻幻觉的代表性方法。最后，我们分析了突出当前局限性的挑战，并提出了悬而未决的问题，旨在为未来LLM中幻觉的研究指明道路。

1 引言

2 定义

3 幻觉的原因

4 幻觉检测和基准

5 幻觉缓解

6 挑战与开放问题

7 结论

在这项全面的调查中，我们对大型语言模型中的幻觉进行了深入的研究，深入研究了