幻觉问题

研究团队提出Grounded Optimization框架，通过五层防御机制显著减少大语言模型在简历优化任务中的幻觉问题，实验显示可将幻觉率从每份简历2.48-5.36个降至0.04-0.24个。

最新研究通过TrapQA测试框架发现，大语言模型的幻觉回答往往源于推理路径偏差而非知识缺失，揭示了预训练频率失衡如何导致模型忽略提示约束。