支撑 LLM 对话中生成式回应的因素：快速综述
计算与语言
2025-12-01 v1 人工智能
摘要
大语言模型（LLMs）在对话期间可能生成与用户意图不一致、缺乏上下文 grounding 或存在幻觉的输出，这会损害 LLM 应用的可靠性。本综述旨在识别和分析将 LLM 回应与对话目标对齐、确保 grounding 以及减少幻觉和话题漂移的技术。我们依据 PRISMA 框架和 PICO 策略进行快速综述，以结构化搜索、筛选和选择过程。识别出的对齐策略根据其 operate 的 LLM 生命周期阶段进行分类：推理时、后训练和基于强化学习的方法。其中，推理时方法尤为高效，在无需重新训练的情况下实现对齐，同时支持用户意图、上下文 grounding 和幻觉缓解。所述技术为实现关键对齐目标下 LLM 回应的质量和可靠性提供了结构化机制。
关键词
引用
@article{arxiv.2511.21762,
title = {Factors That Support Grounded Responses in LLM Conversations: A Rapid Review},
author = {Gabriele Cesar Iwashima and Claudia Susie Rodrigues and Claudio Dipolitto and Geraldo Xexéo},
journal= {arXiv preprint arXiv:2511.21762},
year = {2025}
}
备注
28 pages, 1 figure, 3 tables