本文提出了一种系统化的分类方法，分析了大型语言模型（LLMs）的技术及应用前景，强调提高模型效率的必要性，并介绍了多语言模型框架、工具增强和混合推理方法等创新，以推动LLMs的发展和应用。

本文探讨了大型视觉语言模型（LVLMs）中的幻觉问题，提出了新的评估基准RAH-Bench和算法LURE，以减轻这一现象。研究分析了幻觉的根本原因及现有缓解方法的局限性，并提出了多语言幻觉去除框架MHR，显著提高了模型的准确性。