RAG

大语言模型（LLM）在生成内容时容易产生事实错误（幻觉）。论文提出了一种结合网络搜索和知识图谱的检索增强生成（RAG）系统，名为WeKnow-RAG，以提高LLM响应的准确性和可靠性。

如何优化检索增强语言模型遇到的知识冲突，导致模型的响应混乱？论文提出了一种知识感知偏好优化框架KaPO，通过偏好优化方法避免上下文中的错误信号，增强了LLM的遵循能力和噪声鲁棒性。