本文探讨了大型语言模型在识别知识边界时的错误反应，并提出了一种新方法以提升其知识感知能力。实验结果显示，改进后的模型在识别知识缺口方面提高了5.6%至4.9%。

介绍了FIRE方法，通过上下文过滤和知识过滤构建知识感知的上下文表示和上下文感知的知识表示。实验结果显示，FIRE在PERSONA-CHAT和CMU_DoG数据集上表现优于以前的方法，并具有更好的可解释性。