据 The Decoder 10 月 12 日报道，Meta AI 研究人员提出了一种基于提示的方法 Chain-of-Verification （CoVe），可显著减少 ChatGPT 等聊天机器人的幻觉问题。 据悉，使用 CoVe 时，聊天机器人首先要对提示做出回应，然后根据这些输出生成问题来验证语句。然后，这些“验证问题”会作为独立于第一个输入的新提示执行，以防止第一个输出中的错误信息被采用。最后，语言模型会根据单独收集的事实来验证第一个输入。所有测试均使用 Llama 65 B 完成。 研究小组的研究表明，单个问题的答案中包含的错误明显减少，这使得 CoVe 能够显著提高提示语的最终输出。对于基于列表的问题，CoVe 可以将准确率提高一倍以上，大大降低错误率。而对于更复杂的问答场景，该方法仍能提高 23% 的准确率。不过，对于较长的内容，团队仍需检查验证答案是否前后矛盾。

据量子位 9 月 24 日报道，针对大模型的幻觉问题，Meta AI 实验室提出了一种“分而治之”的解决方案。据悉，有了这个方案，Llama-65 B 输出的信息准确率提升了一倍，甚至超过了 ChatGPT。 Meta 此次提出的“验证链”（CoVe），是与“思维链”（CoT）相似的一种链式方法。区别在于，“step-by-step”的思维链更关注逻辑推理，而验证链更注重事实信息。