LLM模型有时会生成听起来连贯且令人信服但有时是虚构的回答。改进提示可以帮助提高模型生成更准确/真实的回答，并降低生成不一致和虚构回答的可能性。
    一些解决方案可能包括：

    • 在上下文中提供基本事实（例如相关文章段落或维基百科条目），以减少模型生成虚构文本的可能性。
    • 通过降低概率参数并指示模型在不知道答案时承认（例如，“我不知道”）来配置模型以生成更少样式的响应。
    • 在提示中提供问题和答案的组合示例，其中可能知道和不知道的问题和答案。

    让我们看一个简单的例子：
    提示：

    1. Q: 什么是原子？A: 原子是组成一切的微小粒子。Q: Alvan Muntz是谁？A: ？Q: Kozar-09是什么？A: ？Q: 火星有多少个卫星？A: 两个，Phobos和Deimos。Q: Neto Beto Roberto是谁？

    输出：

    1. A: ？

    我编造了“Neto Beto Roberto”的名字，所以模型在这种情况下是正确的。尝试稍微改变问题，看看是否可以使其正常工作。根据您迄今学到的所有知识，还有不同的方法可以进一步改进它。