大语言模型幻觉缓解综述工作底稿

这是检索与写作框架的实际生成结果，不是完成的文献综述。由于未联网打开原文，本文不列作者、题名、年份或效果数字，避免把记忆中的论文信息冒充可核验引用。

方向	核心问题	统一编码字段	重点局限
检索增强	回答前如何获得外部证据	语料、召回、重排、引用正确率	检索错会放大生成错
对齐训练	如何让模型少编并愿意拒答	数据来源、偏好目标、拒答率	可能牺牲覆盖率
不确定性估计	如何识别“模型自己也不确定”	置信分数、校准误差、阈值	自信不等于事实
生成后验证	如何检查陈述与证据一致	验证器、粒度、修订策略	验证器也会出错

可复现检索式

("large language model" OR LLM) AND
(hallucination OR factuality) AND
(retrieval OR alignment OR uncertainty OR verification)
Year: 2022-2026

纳入标准：能访问原文；明确任务、数据集、基线和指标；至少报告一种局限。排除标准：只有二手转述、无实验细节、题名与摘要无法相互印证。每篇由两轮处理：先做文献卡，再按方向横向比较，禁止直接拼摘要。

两个候选切口

1. **面向企业私有知识的“证据充分才回答”校准。**比较拒答阈值对事实正确率、覆盖率和人工接管率的共同影响。
2. **检索失败可诊断性。**把错误拆成没召回、召回冲突、引用错配、生成越界，研究不同环节的可观测信号。

完成版必须补齐中英文数据库检索日期、去重流程、每条真实URL/DOI和原文核对记录；在此之前，这份预览不能作为开题引用。