黑盒LLM幻觉抑制：10大落地方案全解析
面向API调用黑盒LLM的幻觉抑制落地方案
一、零成本·提示工程与推理引导类（仅修改Prompt，直接API调用即可生效）
方案1：Self-Consistency（自一致性投票）- SelfCheckGPT
论文基础信息
- 标题：SelfCheckGPT: Zero-Resource Black-Box Hallucination Detection for Generative Large Language Models
- 作者：剑桥大学团队
- 发表：EMNLP 2023
核心原理
基于核心洞察：模型真实掌握的事实，多次随机采样生成的内容会高度一致；而幻觉内容，多次采样会出现显著的分歧与矛盾。无需外部知识库，仅通过多次API调用采样，对比内容一致性即可识别并抑制幻觉。
分步落地实现
- 基础调用：针对用户Query，设置Temperature≥0.7（开启随机采样），通过API调用生成N个独立的回答（N建议取3~5，平衡效果与成本）；
- 一致性校验：
- 简易版：让模型自身对比N个回答，提取所有回答中一致的、无矛盾的事实内容，剔除冲突内容；
- 精准