大型语言模型在生成能力方面表现出色，但当仅依赖内部知识时容易出现幻觉。基于检索的大型语言模型成为将其与外部知识结合的潜在解决方案。当前领域缺乏对异构知识源上的大型语言模型进行有效定位的实际基准数据集。我们提出了一个综合数据集，解决了推理挑战，并展示了我们的模型优于以往方法。

该文介绍了一个新的数据集，用于评估大型语言模型在异构知识源上的检索能力。作者提出了一种新颖的方法，利用多个检索工具来解决挑战，并展示了该方法在解决推理挑战方面的优越性。