知识图谱能否减少大语言模型中的幻觉？：一项综述

当代大语言模型（LLM）容易产生幻觉，主要源于模型内部的知识缺口。为解决这一关键局限，研究者采用多种策略，通过引入外部知识来增强 LLM，旨在减少幻觉并提升推理准确性。在这些策略中，利用知识图谱作为外部信息来源已展现出有前景的结果。本综述全面回顾了 LLM 中这些基于知识图谱的增强技术，重点关注其在缓解幻觉方面的效能。我们系统地将这些方法分为三大类，提供了方法学比较与性能评估。最后，本综述探讨了与这些技术相关的当前趋势与挑战，并勾勒出这一新兴领域未来研究的潜在方向。