上一篇讲了「幻觉是什么、为什么产生、为什么现在变少」。这一篇聚焦怎么办：从数据、训练、提示、检索、校验到工具与治理，把业界主流的降幻觉方案一次性讲清，并配图与可交互演示。
幻觉源于模型「把像当成是」的固有倾向，单一手段只能压低、无法清零。成熟做法是分层布防：事前用更好的数据与对齐训练；事中用提示、RAG、低温度把模型「拽回证据」；事后用校验、自检、引用兜底；再叠加工具增强，把事实性问题外包给可靠来源。下面逐层展开。
把降幻觉方法按「作用时机」分成四类，它们互相叠加而非互斥。中间是目标——低幻觉输出。
从源头减少模型「学到错误/编造」的概率。这是最贵但最治本的一环。
去重、去噪、事实性过滤、去除互相矛盾的语料。训练语料的「信噪比」直接决定模型基础事实水平。
SFT 用准确指令数据；RLHF/DPO 把「准确」作为偏好维度，训练奖励模型区分「有幻觉」与「无幻觉」回答。
专门训练模型在知识边界处拒答或声明不确定，而非过度自信地编造——直接抑制「编造」冲动。
让模型先推理再给结论，推理过程可被检查，也降低「一步跳到错误答案」的概率。
用强模型造训练数据时严格过滤，避免「模型自己污染自己」放大幻觉（蒸馏塌缩风险）。
事后定向修正特定错误事实（如某人物生卒年），不必重训全模型，适合快速纠错。
基础预训练只学「像不像语料」，没有真假约束；对齐阶段把人类偏好（准确 > 流畅但错误）注入奖励信号，模型才学会「不确定就别编」。代价是「对齐税」：过度保守可能变笨，需要权衡 helpful vs truthful。
不改模型权重，只改「怎么问、怎么生成」。成本低、见效快，是产品和原型首选。
明确要求「只基于已知信息」「不确定时说明」；给 few-shot 范例；限定角色与边界；要求分步推理。简单但显著。
调低 temperature / top_p，减少「创造性编造」。事实问答常用 T≈0；但过低会牺牲多样性。
同问题多次采样不同推理路径，对最终答案多数投票。能过滤个别错误推理，提升事实稳定性。
限定只输出 JSON、枚举值或受控词表（如只输出已检索到的实体），从源头杜绝乱编格式外内容。
RAG（检索增强生成）是目前工业界降幻觉最主流的方案：生成前先检索权威证据塞进上下文，要求模型「只基于证据作答」。点下面步骤看解释。
把「参数里的有损记忆」换成「上下文里的权威证据」，相当于开卷考试。对知识截止、长尾、实时类问题尤其有效。
Naive RAG → Advanced RAG（查询改写、混合检索、重排）→ GraphRAG（用知识图谱做多跳推理）。检索质量决定上限。
答案已经生成，再「检查一遍」。适合对准确性要求高的场景（医疗、法律、金融）。
让模型先生成，再以「批判者」身份挑错，然后修订，循环往复。点「播放」看循环流动。
用检索/知识库/规则引擎逐句验证 claim，标红无法佐证的内容，再触发改写或拒答。
多个模型或 Agent 独立作答并互相质疑，对分歧点重点核查，降低单模型系统性偏差。
强制输出可点击来源，把「可信度判断」交给用户/审核流程，也便于事后追责。
模型不擅长精确事实与实时数据，那就别让它硬编——让它调用工具。这是 Agent 范式的核心。
对「最新/具体」事实（股价、新闻、人名），让模型先 search 再作答，避免凭空捏造引用。
数值与逻辑问题交给 Python/SQL 执行，杜绝「算错还自信」式幻觉。
把实体/关系锚定到图谱，生成受图结构约束，显著降低实体与关系编造。
训练模型输出 calibrated 概率，并对低置信内容显式声明不确定，而不是强行给答案。
更大的模型 + 更多高质量数据，事实能力通常更强（ Scaling Law 也适用于 factuality），但有边际递减与上限。
不只看最终答案对不对，而是奖励「正确的推理步骤」，减少中间步骤悄悄跑偏导致的幻觉。
o1 类模型在回答前做长链思考 + 内部自检/反思，用「想得更久」换更低错误率，是 2024–2025 降幻觉最快的一招。
用领域数据 LoRA/QLoRA 注入专业知识，缩小通用模型在垂直领域的知识缺口。
不度量就无法改进。降幻觉是「持续工程」，靠评测驱动迭代。
TruthfulQA（诚实性）、FEVER/HaluEval/FACTS（事实一致性）、SimpleQA 等，量化幻觉率。
对抗式提问挖边界案例，人工抽检长尾与高风险领域，发现自动指标漏掉的幻觉。
免责声明、强制引用、Human-in-the-loop 审核、灰度发布与回滚，把残余风险关进笼子。
点左边任一「来源」或右边任一「解法」，看它们之间的对应关系（高亮联动）。
映射关系（来源→解法）：s1→r1、s2→r2、s3→r3、s4→r4、s5→r5、s6→r6；多数来源也可被「生成后校验 / 工具增强 / 推理时计算」兜底。
点表格任意一行高亮。没有最优，只有「场景适配」。
| 方法 | 阶段 | 主要作用 | 成本/复杂度 | 局限 |
|---|---|---|---|---|
| 数据清洗 + 事实性对齐 | 事前 | 治本，提升基础事实水平 | 高（需重训/对齐） | 贵、周期长、有对齐税 |
| 提示工程 + 低温度 | 事中 | 即时、零成本压低编造 | 低 | 治标，上限有限 |
| RAG | 事中 | 开卷作答，补最新/长尾事实 | 中（建检索管线） | 依赖检索质量，可能答非所问 |
| 自检-修订 / 多模型验证 | 事后 | 兜底纠错，提升一致性 | 中（多一次生成） | 增加延迟与开销 |
| 工具调用（搜索/代码） | 工具 | 把事实外包给可靠来源 | 中（接工具/Agent） | 工具本身可能出错/慢 |
| 推理时计算(o1类) | 架构 | 长思考+自检，降复杂错误 | 高（推理慢、贵） | 延迟大，不适合实时 |
| 评测 + 产品治理 | 治理 | 可度量、可兜底、可回滚 | 持续投入 | 不直接降幻觉，靠流程兜住 |