Bài báo này giới thiệu một phương pháp MAC-Tuning được đề xuất để giải quyết vấn đề ảo giác của các mô hình ngôn ngữ quy mô lớn (LLM), tức là vấn đề tạo ra các sự kiện không tồn tại. Không giống như các nghiên cứu trước đây tập trung vào một bối cảnh bài toán đơn lẻ, bài báo này đề cập đến vấn đề LLM nhận ra ranh giới kiến thức được tham số hóa nội tại của chính chúng trong bối cảnh nhiều bài toán, trong đó nhiều bài toán phải được trả lời chính xác cùng lúc. MAC-Tuning là một phương pháp mới tách biệt quá trình dự đoán câu trả lời và quá trình học ước lượng độ tin cậy trong quá trình tinh chỉnh trên dữ liệu tham chiếu, và kết quả thực nghiệm cho thấy phương pháp này cải thiện độ chính xác trung bình lên đến 25% so với các phương pháp hiện có.
