关于大语言模型的可靠性，学界与业界日益关注一个核心问题——知识冲突。简而言之，当模型固有的“记忆”与新获取的“信息”相互矛盾，或者其内部“知识”本身存在不一致时，模型会如何应对？是坚持原有认知，还是轻易被误导？又或者能做出理性的判断？
近期，由清华大学、西湖大学和香港中文大学研究者共同完成的综述论文《Knowledge Conflicts for LLMs: A Survey》系统梳理了这一议题。该综述不仅清晰划分了知识冲突的多种类型，还深入分析了其成因、模型行为表现及潜在解决路径。可以说，这份研究为我们理解大模型在复杂信息环境中的“权衡”与“抉择”提供了宝贵的地图。
一、知识冲突全景图：三种类型与一个核心
我们首先厘清核心概念。大语言模型的知识来源主要有两类：一类是固化在模型参数中的“参数化知识”（记忆），源自海量预训练数据；另一类是推理时临时输入或检索得到的“上下文知识”（语境），例如用户提问、对话历史或从网络获取的文档。
当这两类知识来源出现不一致时，问题便随之产生。论文将这种不一致归纳为三类知识冲突，如图1所示：
图1：三类知识冲突示意图。冲突可能发生在上下文与记忆之间（CM），不同上下文之间（IC），以及记忆内部（IM）。
- 上下文-记忆冲突：这是最直观的一类。例如，询问“现任法国总统是谁？”模型参数中存储的答案是“马克龙”，但提供的上下文却显示“是勒庞”。模型应当信任哪一方？
- 上下文间冲突：当模型同时参考多个外部文档时，这些文档本身可能相互矛盾。一份文档称某事件发生在春季，另一份则称在秋季，模型如何取舍？这在检索增强生成（RAG）场景中尤为常见。
- 内部记忆冲突：这是最为棘手的一类，矛盾源于模型自身。原因可能包括预训练数据本身就包含不一致的信息（例如不同来源对同一事实的描述存在差异），也可能因为知识编辑或模型解码的随机性，导致对同一问题的不同提问方式，模型给出截然不同的答案。
论文将知识冲突置于动态生命周期中审视（如图2）。它既是多种因素（如数据噪声、时间错位）导致的结果，也是引发模型不良行为（如幻觉、不一致）的直接原因。
图2：知识冲突连接了成因与模型行为，是理解和解决问题的关键枢纽。
二、深入冲突现场：原因、行为与对策
1. 上下文-记忆冲突：当新旧知识狭路相逢
这类冲突研究最为广泛，核心矛盾在于模型静态的“记忆”与动态变化的“现实”之间的错位。
两大主因：一是时间错位。使用旧数据训练的模型难以跟上新事件，这是自然衰减。二是错误信息污染。攻击者可能故意在检索文档或用户输入中注入虚假信息，诱导模型“学坏”。
模型表现如何？ 研究结果并不统一，凸显了问题的复杂性。早期研究认为模型过于依赖自身记忆，忽视冲突上下文；但近期的发现恰恰相反——模型有时又会对连贯的、有说服力的外部证据过于“轻信”。更有趣的是，模型还表现出强烈的“确认偏误”，即偏爱那些符合自己已有认知的信息。面对冲突，让模型精准定位矛盾点并给出明确答案，目前仍是挑战。
解决之道：方案取决于我们希望模型“忠于”谁：
- 忠于上下文：适用于模型需严格遵循给定资料的场景。方法包括知识感知微调、上下文感知解码等，核心是放大上下文的影响权重。
- 忠于记忆：旨在提升模型对错误信息的“免疫力”。可通过提示工程让模型保持警惕，或训练专门的鉴别器来筛查可疑信息。
- 分离来源：不强行融合，而是让模型分别给出基于上下文和基于记忆的答案，把判断权交给用户。
- 追求事实性：终极目标，即整合所有可用信息产出最真实的答案。这需要更精巧的架构设计，例如利用对比解码来校准模型信心。
2. 上下文间冲突：信息洪流中的真相泥潭
在RAG技术日益普及的今天，模型经常需要消化大量来源各异、质量参差不齐的文档。它们之间的“打架”就是上下文间冲突。
两大根源：错误信息和过时信息。网络上充斥的假新闻或陈旧资料被检索进来后，便形成相互矛盾的证据。
模型表现如何？ 研究发现，模型在这种混乱中往往表现不佳。它们容易受到错误信息攻击，而且偏好那些与自身记忆一致、与查询直接相关、甚至仅仅是出现频率更高的上下文。更棘手的是，它们识别矛盾的能力有限，尤其当冲突涉及主观观点时，准确率更是堪忧。
破局思路：一是专注于消除冲突，即直接检测并处理矛盾信息。可以训练专门模型，也可以为通用大模型配备事实核查工具链。二是设法提高模型鲁棒性，通过微调或查询增强等技术，让模型在冲突上下文中依然能做出相对可靠的判断。
3. 内部记忆冲突：自己与自己打架
这是最体现模型“内在矛盾”的一类。换种方式问同一个问题，它可能给出截然不同的答案，严重损害了可靠性和实用性。
三大罪魁祸首：
- 训练数据偏差：预训练语料本身质量不一、充满噪声甚至矛盾，模型全盘“吸收”后，内部知识自然一团乱麻。
- 解码策略：生成时的随机抽样会引入不确定性，导致输出波动。
- 知识编辑：后期修改模型知识时，如果编辑不一致或泛化性差，会在参数中制造新的冲突。
冲突如何体现？ 最直接的就是自相矛盾。研究表明，即便是顶尖模型，在常识问题上也可能有百分之十几的不一致率。深层原因在于，知识在模型内部的表示是分散且分层的（浅层存句式，深层存语义），有时正确的知识虽然存在，却在生成时没有被正确激活。更有甚者，模型对不同语言版本的知识记忆也可能是割裂的，导致跨语言回答不一致。
治理之道：针对一致性，可通过设计一致性损失函数进行微调，或采用输出集成等后处理方法。针对事实性，则可探索像DoLa这样的对比解码方法，通过调整模型不同层之间的激活差异，来引导模型输出更真实、更确定的内容。
最后，论文将所有知识冲突的分类及相应解决方案总结于图3，并整理了相关评估数据集，为后续研究提供了清晰的框架和工具。
图3：知识冲突分类及解决方案全景图。涵盖了从预防到应对的各种策略。
表1：评估知识冲突下模型行为的代表性数据集。针对三种冲突类型，研究者们构建了不同的测试基准。
写在最后
知识冲突并非大模型的bug，而是其能力边界在复杂现实世界中的必然体现。这篇综述系统性地揭示了，大模型并非全知全能的知识宝库，而更像一个需要在相互矛盾的信息碎片中不断权衡、推理甚至“挣扎”的决策者。
从时间错位到数据污染，从幻觉到不一致，每一个冲突点都对应着一个亟待攻克的技术挑战。而论文中梳理的各类解决方案——无论是通过训练增强鲁棒性，还是通过解码策略引导输出，抑或是通过架构设计分离知识源——都为我们指明了值得深入探索的方向。
说到底，让大模型学会如何优雅地处理“不知道”和“不确定”，或许比一味追求“全知道”，更能让它们走向真正可靠与可信的智能。这篇综述，正是迈向这个目标的重要一步。