Prompt-Engineering-Guide/pages/research/rag_hallucinations.zh.mdx

# 利用 RAG 降低结构化输出中的虚假信息

ServiceNow 的研究人员发表了一篇[新论文](https://arxiv.org/abs/2404.08189)，探讨了如何为结构化输出任务高效部署 RAG 系统。

!["RAG Hallucination"](../../img/research/structured_outputs.png)

RAG 系统整合了小型语言模型和极小型检索器。研究表明，RAG 使得在资源受限的环境下部署强大的 LLM 驱动的系统成为可能，同时减轻了虚假信息问题并提升了输出的可靠性。

论文讨论了一种极具实用价值的企业应用，即将自然语言需求转换为工作流程（以 JSON 格式）。这项任务能够极大提升生产力，尽管还有许多优化空间（例如，采用推测性解码或使用 YAML 代替 JSON）。

论文提供了关于如何在现实世界中有效开发 RAG 系统的宝贵见解和实用建议。