BriefGPT - AI 论文速递 · 2024-12-19T00:00:00Z

Think & Cite: Improving Attributed Text Generation with Self-Guided Tree Search and Progress Reward Modeling

📝

内容提要

本研究提出了“Think”框架，旨在改善大型语言模型在属性文本生成中的幻觉和事实错误问题。通过自引导蒙特卡罗树搜索和进展奖励模型，实验证明该方法在多个数据集上表现优越。

🏷️

标签

Think框架 事实错误 大型语言模型 幻觉 文本生成