本文研究了大型语言模型在提供事实知识方面的不一致性问题，并提出了两种缓解策略：扩展和使用检索语料库增强LM。结果表明，这两种策略都能减少不一致性，而使用检索增强方法更加高效。作者还考虑了Atlas模型的不同组件对一致性的贡献，并发现语法形式和其他评估任务的产物会影响一致性。