本研究提出Rowen方法，通过选择性检索外部信息，改善大型语言模型（LLMs）的幻觉输出问题。研究发现，正确生成的上下文激活更为明显，并提出基于熵的度量来量化这一特征。实验表明，该方法在多个基准测试中有效提升了模型性能。此外，研究开发了放弃回答的方法，减少了胡言乱语率，并提出了ANAH数据集和CODE解码方法，以进一步解决幻觉问题。