增强LLM：使用搜索引擎缓解大模型幻觉问题

论文题目：FRESHLLMS:REFRESHING LARGE LANGUAGE MODELS WITH SEARCH ENGINE AUGMENTATION

论文地址：https://arxiv.org/pdf/2310.03214.pdf

论文由Google、University of Massachusetts Amherst、OpenAI联合发布。

---

        大部分大语言模型只会训练一次，不会被频繁的更新，训练用到的知识会慢慢过时，所以它无法适应变化的世界。论文作者提出了动态问答的基准测试，称为FRESHQA，并且提出了一种简单的解决问题的方法，FRESHPROMPT。

        FRESHQA收集的问题根据难度可以分别单跳和多跳两种，两种问题的区别在于是否需要多级的推理。而根据答案的性质问题可以分为1.永远不变；2.缓慢变化；3.快速变化；4.虚假前提。

测试集的评估模式也分别两种：1.RELAXED，它仅衡量主要答案是否正确； 2.STRICT，它衡量响应中的所有声明是否是事实和最新的（即没有幻觉）。

        FRESHPROMPT 是一种简单而有效的方法，对于给定的问题，它通过提取所有最新和相关的信息（包括来自搜索用户也询问的相关问题的知识）来利用搜索引擎，并使用少样本上下文学习教模型推理检索到的证据并找出正确的答案。
 &n