幻觉抵抗优化大模型：teapotllm

Teapot 开源小型语言模型概览

1. 模型简介

定位：专为资源受限设备（如智能手机、CPU）优化的轻量级语言模型（约 8 亿参数）。
特点：
    在合成数据上微调，依赖文档上下文回答问题，减少幻觉。
    支持抗幻觉问答（QnA）、检索增强生成（RAG）和结构化信息提取（如 JSON）。
    由社区驱动，开源且免费。

2. 核心功能

3. 使用方法

安装

推荐：使用 TeapotAI 库（集成模型配置、嵌入处理等）。
替代：通过 Hugging Face transformers 直接调用模型。

示例场景

问答：

输入：上下文="巴黎是法国首都"，问题="埃菲尔铁塔多高？"  
输出："上下文未提供该信息。"  

RAG：

输入：多篇地标文档，问题="哪个地标建于19世纪？"  
输出："埃菲尔铁塔（1889年建成）。" 

信息提取：

输入：公寓描述文本，Pydantic 模型定义  
输出：{"租金": 2000, "卧室": 2, "电话": "123-456-7890"}  

4. 技术细节

5. 局限性

适用场景：仅限问答/RAG/信息提取，不适用于代码生成、创意写作等。
语言支持：主要针对英语，未测试其他语言性能。

6. 总结

Teapot 是一款高效、轻量的任务专用模型，适合本地部署和精准信息处理，但在通用性上存在限制。