本研究提出DePaC方法，通过负面训练和信息校准有效减轻大型语言模型生成中的幻觉信息问题，实验结果显示性能显著提升。

本文综述可解释自然语言推理研究，涵盖RExC、EPR、REFER等框架，通过提取合理化解释、信息校准和自训练提升模型性能与可信度，并探讨生成解释的局限及未来方向。