本文综述检索增强生成（RAG）研究进展，涵盖Iter-RetGen迭代协作框架、GenRead生成上下文文档、统一语言模型结合生成检索与闭书生成等方法，应用于多跳问答、事实验证和常识推理等任务，并探讨缓解幻觉、证据捏造及生成式检索评估等问题。

该文综述大语言模型幻觉检测与缓解研究，提出弱监督子集扫描审计法，无需先验知识即可定位编码幻觉的关键节点；介绍AutoHall自动构建幻觉数据集、M-HalDetect多模态数据集、基于不确定性的无参考检测及UNIHD统一框架，并探讨幻觉成因、分类与缓解策略。

本文综述大语言模型幻觉研究进展，涵盖多模态幻觉检测数据集M-HalDetect、AMBER基准、无参考不确定性检测法及HaELM评估框架，并介绍AutoHall自动构建幻觉数据集、HILT数据集与幻觉脆弱性指数HVI，系统分析幻觉来源、检测与缓解方法。

该文综述多智能体辩论（MAD）如何提升大语言模型的推理与真实性：多个模型实例反复辩论以达成共识，从而改善数学与策略推理、减少虚假答案与幻觉；在医学问答中权衡成本、时间与准确性，并提出基于一致性的新辩论策略；ChatEval 以多代理裁判模拟人类评估；MAD 还能缓解思维定式，提升常识翻译与反直觉算术推理。文中亦涉及自我对弈辩论、红队攻防与提示工程研究，表明精心设计的提示可接近复杂多智能体系统的性能。