论文
用情境知识缓解SMEs中的错误信息：基于RAG的建模与分析
Enhancing LLMs with Context-Specific Knowledge for Mitigating Misinformation in SMEs: A RAG-based Modeling and Analysis
摘要
大语言模型（LLMs），是人工智能（AI）的一部分，正越来越多地被中小企业（SMEs）用于增强问题回答能力和支持业务决策过程。然而，LLM生成输出中的幻觉可以成为误导信息的来源，降低用户对其可靠性和可信度的信心，特别是在中小企业环境中。检索增强生成（RAG）作为一种解决这一挑战的方法，通过将外部知识源纳入模型过程中，已经显示出巨大的潜力。在这篇论文中，我们提出了VectorRAG和GraphRAG模型，以减轻幻觉和误导信息的风险，并评估其在中小企业环境中的有效性。我们的实验评估是在多个最先进的LLM上进行的，包括LLaMA、Mistral和Qwen，以评估其在有用响应生成、幻觉风险、上下文相关性以及人类解释性方面的性能。结果表明，RAG增强的LLM可以显著提高响应质量，通过减少幻觉和误导信息，从而支持更可靠的、可信的和上下文相关的决策在中小企业环境中。
