RAG 回答引用了文档里没有的内容，幻觉怎么治？
面试怎么回答
我会先区分是检索问题、生成问题还是引用问题。生成阶段：提示词明确只根据材料回答，没有就说未找到；把拒答当作正确行为来计分；要求关键结论逐句标注来源；送入的片段少而准、先处理矛盾文档；降低温度。生成后做校验：检查引用的片段是否存在、是否真正支持对应的句子，回答里的数字、日期、名称能否在原文找到，不通过就删除、重新生成或提示需要核实。评测上建立忠实度指标，专门构造知识库里没有答案的问题检查拒答，并对制度、合同、价格这类高风险内容做人工抽检。
先把这段讲顺；面试官追问时，再展开下面的原理和细节。
详细讲解
检索到的文档是对的，但模型的回答里加了一些文档里根本没有的内容，甚至还标注了引用。对企业知识库来说，这种「看起来有出处的错误」比直接答错更危险。面试官问这题，想看你怎么从生成环节控制幻觉，并且能检测出来。
先分清是哪种问题
- 检索问题：检索到的文档不相关或不完整，模型用自己的知识「补全」；
- 生成问题：文档是对的，模型理解错了、过度推断，或者把多个文档的内容错误拼接；
- 引用问题：回答内容可能对，但引用的出处不对。
检索问题按检索链路排查，这里重点说生成和引用。
生成阶段的控制
- 提示词明确约束：只根据提供的材料回答；材料里没有的信息，明确说「资料中未找到」；不要用常识补充；
- 允许拒答：模型在材料不足时说不知道，应该被视为正确行为，而不是失败。评测时也要这样计分；
- 要求逐句引用：每个关键结论后标注来源片段的编号，便于检查；
- 控制上下文质量：送进去的片段少而准，减少无关内容的干扰；矛盾的文档先处理再交给模型；
- 降低随机性：知识问答场景使用较低的温度。
生成后的校验
- 引用校验：检查引用的片段是否真实存在，被引用的片段是否确实支持这句话（可以用一个模型做蕴含判断）；
- 数字和实体校验：回答中出现的数字、日期、名称，在原文中能否找到；
- 不通过怎么办：删除没有依据的句子、重新生成，或者提示用户「以下内容可能需要核实」。
评测
- 构建「忠实度」评测：回答中的每一个陈述是否能在检索材料中找到依据；
- 专门构造「知识库里没有答案」的问题，检查模型是否会拒答；
- 线上抽样人工核查，重点看高风险领域（制度、合同、价格）。