介绍

本章介绍如何使补全结果更加可靠，以及如何通过检查来确保补全结果的可靠性。

在一定程度上，前面介绍的大部分技术都与提高补全准确度及可靠性有关，特别是自洽性(@wang2022selfconsistency)。然而，除了基本提示策略之外，还有许多其他技术可以用于提高可靠性。

%%LLMs|LLM%% 存在各种问题，包括幻象(@ye2022unreliability)、采用 %%CoT|CoT prompting%% 方法的错误解释(@ye2022unreliability)，以及多种偏差，包括多数标签偏差、近期偏差和常见令牌偏差(@zhao2021calibrate)。此外，在处理敏感话题时，zero-shot 思维链可能会产生特别的偏差(@shaikh2022second)。

一些常见的解决方案包括使用校准器消除_先验_偏差，使用验证器对补全结果进行评分，以及在补全结果中增进多样性。