llm的知识无非是in-weight＆in-context，理解了这个也就能理解幻觉实际上就是一个x等于了两个y的问题。顺着这个思路想要解决幻觉，只要解决这种一个x对应两个y的情况就可以，答案呼之欲出：增长context。发现没有，这是检索增强 当然这种方法解决不了训练不完备的问题。你训练数据严重不足，模型连基础能力都没有，再长context它也不能正确解答 当然如果要较真，context也不一定就完备，尤其当in-context正好跟in-weight知识冲突…

袁启聪做了一期视频，用一台本田K-car实车为例子 详尽的说明了K-car这玩意为什么在中国乃至全世界都不受欢迎的原因。 你可以去翻来看看。 如果你懒得去看，我可以在这里用文字帮你总结一下。 就针对那台销量冠军的本田K-car。 优点：座椅布置灵活，翻折、放平都很方便；空间规整，方方正正的，在有限的体积里做到了空间最大化；个别配置比较高，说得就是电动侧滑门；整车体积小，好停车；省油，百公里5升；空调很冻。 缺点：贵，…