本研究提出ECKGBench数据集，以解决大型语言模型在电子商务中的事实性评估不足问题，提升评估效率和可靠性，促进其实际应用。

本研究提出了一种动态分解方法，通过强化学习优化长文本的事实性评估，显著提升了验证的信心和准确性。实验结果表明，该方法在不同验证者和数据集上表现优越。

本研究提出了T2I-FactualBench，这是一个针对文本到图像生成模型的事实性评估基准，重点关注知识密集概念。实验结果表明，现有模型在该领域仍有显著改进空间。

本研究提出了“中文简单QA”基准，旨在解决大型语言模型在中文环境中的事实性评估问题，提供高质量的问答，以促进模型性能的提升。

该研究提出了一种新方法，通过预训练和微调的掩码语言模型，区分实体幻觉与非实体幻觉，从而提升摘要的事实性。利用大型语言模型评估摘要一致性，并结合数据过滤和联合实体生成技术，改善摘要质量。此外，研究探讨了大型语言模型在生成摘要时的谬误，提出基于对抗解耦的方法以提高准确性，并建立了新的事实性评估标准。

该文综述大语言模型事实性评估研究，分析事实错误的成因与影响，介绍FELM、Pinocchio等基准及多语言知识检索测试，探讨利用外部知识库、置信度和内部状态检测事实错误，并指出LLM作为事实检查器仍存在语言不一致与虚构等局限。

多项研究评估大型语言模型（LLMs）与人类语言认知的异同，发现LLMs在语法判断上与人类高度一致，但会高估无意义陈述的深度，且受提示方式影响。模型规模与任务表现正相关，却与阅读时间拟合负相关。LLMs在模拟人类语言处理偏差和事实性评估方面存在局限，尚不能完全作为人类语言认知模型。

本文综述大语言模型事实性评估研究，提出FActScore方法，将文本分解为原子事实并计算支持比例，发现ChatGPT精度仅58%；还介绍了FELM基准、LongDocFACTScore长文档评估框架及事实增强训练方法，指出当前模型检测事实错误能力仍不足。

FactKB是一种新的事实评估方法，使用基于实体知识的语言模型，解决了现有模型在新领域中存在的实体和关系错误问题。测试结果表明，FactKB的事实性评估模型达到了最先进的性能水平，并在摘要中检测错误实体和关系的能力显著提高，证明其在领域通用性和鲁棒性方面的特点。