research
大模型幻觉问题研究进展：新技术使幻觉率降低60%
斯坦福大学和Anthropic联合发布幻觉缓解研究成果，结合检索增强、自我一致性检查和不确定性量化三种技术，在TruthfulQA基准上幻觉率从35%降至14%。研究发现：幻觉主要发生在模型"知识边界"附近；主动表达不确定性是可训练的能力；RAG配合引用追踪效果最佳。
2025年9月19日来源：Stanford AI Lab
相关资讯
AI 伦理困境 2026：偏见、歧视、幻觉问题如何影响真实用户
5月29日 · Stanford HAI
Dify 开源 LLMOps 平台 GitHub Star 突破 5 万
1月5日 · Dify Blog
2026 年 AI 幻觉检测工具对比：Vectara、RAGAS、TruLens 哪个最好用
5月27日 · AI Research
Perplexity AI Pro 升级版深度解析：Deep Research 功能让 AI 搜索进入新阶段
5月26日 · Perplexity AI
Cohere Command R+ 瞄准受监管行业，提供私有部署方案
4月12日 · Cohere
RAG 技术 2026 新进展：企业知识库问答的下一代方案全解析
5月27日 · arXiv AI Papers
延伸阅读 · 相关教程
向量数据库与RAG生产实践：Pinecone、Weaviate与pgvector（2025版）
构建生产级检索增强生成系统，实现大规模向量搜索
LlamaIndex 实战指南：RAG 应用开发从入门到生产
LlamaIndex vs LangChain 怎么选？5个真实场景代码示例
Dify 企业私有知识库完全搭建指南：RAG 配置与最佳实践（2026）
从部署到调优，手把手搭建企业级 RAG 知识库问答系统
LlamaIndex vs LangChain：到底该用哪个搭 RAG（2026 实战对比）
两个都用过半年后，我把选型逻辑讲清楚：什么项目用 LlamaIndex，什么项目用 LangChain