开发一种方法，使大型语言模型（LLM）能够经过深思熟虑的推理过程，纠正错误的反应，从而减少产生幻觉（不真实信息）的可能性。该项目旨在通过分步推理和验证机制，提升LLM的准确性和可靠性。
TrustLLM专注于LLM（大型语言模型）的可信度研究，制定了不同维度的评估原则，并建立了涵盖真实性、安全性、公平性、鲁棒性、隐私性和机器伦理六个维度的基准评估。
Inferflow是一个高效且高度可配置的大型语言模型推理引擎，旨在优化推理性能，支持多种自定义配置，以满足特定需求。
FacTool是一个专为生成式AI设计的事实性检测工具，旨在多任务和多领域场景下进行事实错误检测。它支持多种任务，包括基于知识的问答、代码生成、数学推理和科学文献综述等，提供细粒度的事实定义，并在事实检查过程中提供明确的证据。
