Can LLMs Take Retrieved Information with a Grain of Salt?

Este artigo avalia a capacidade dos grandes modelos de linguagem (LLMs) de adaptar suas respostas à certeza da informação recuperada, revelando limitações sistemáticas. Propõe uma estratégia de interação que combina lembretes prévios, recalibração de certeza e simplificação de contexto para melhorar a confiabilidade dos LLMs. Esta abordagem reduz os erros de obediência em 25% sem modificar os pesos do modelo.