以英文维基百科为基础的大模型WikiChat

共计 456 个字符，预计需要花费 2 分钟才能阅读完成。

斯坦福大学开发人员以英文维基百科为基础开发了一款大模型 WikiChat，此款模型在回答问题时，会先在维基百科上找到相关的、准确的信息，然后再给出回答，保证给出的回答既有用又可靠。在混合人类和 LLM 的评估中，WikiChat 达到了 97.3% 的事实准确性，同时也普遍高于其他模型。

GitHub 地址：https://github.com/stanford-oval/WikiChat

Demo 地址：https://wikichat.genie.stanford.edu

主要特点：

• 高度准确：因为它直接依赖于维基百科这个权威且更新频繁的信息源，所以 WikiChat 在提供事实和数据时非常准确。
• 减少“幻觉”：LLM 在谈论最新事件或不太流行的话题时容易产生错误信息。WikiChat 通过结合维基百科数据，减少了这种信息幻觉的发生。
• 对话性强：尽管重视准确性，WikiChat 仍然能够维持流畅、自然的对话风格。
• 适应性强：它可以适应各种类型的查询和对话场景。
• 高效性能：通过优化，WikiChat 在回答问题时更快速，同时减少了运行成本。