本研究提出了一种基于检索的框架，以解决大型语言模型生成幻觉输出的问题。通过将用户查询转化为逻辑表示，并利用检索增强生成（RAG）评估前提有效性，显著提高了输出的事实一致性和准确性。实验结果表明，该方法有效减少了幻觉现象。

本研究提出了多轮多模态澄清问题（MMCQ），解决了传统方法无法捕捉复杂用户偏好的问题。通过构建ClariMM数据集和新型检索框架Mario，实验证明该方法在多轮澄清中提高了12.88%的MRR，尤其在长对话中效果显著。