本研究提出SLOT方法，解决大型语言模型在生成结构化输出时偏离预定义模式的问题。通过对轻量级模型进行细调，提升了多个大型语言模型的输出准确性和一致性。

本研究提出了一种事实级校准框架，以提高大型语言模型在复杂问题回答中的输出准确性，并开发了信心引导的自我修正方法，实验证明该方法能有效减少模型幻觉。