怎么让模型严格根据检索的数据进行回答，减少胡说八道的回答呢

[leonall]

举个例子：

问题

理想汽车销售的车型是什么？

检索到了一篇文章

5月10日，理想汽车正式公布了2022年第一季度财报。第一季度，公司共交付31,716辆理想ONE车型，同比增长152.1%，实现营业收入95.6亿元，同比增长167.5%。同时，一季度理想汽车净亏损1090万元，去年同期净亏损为3.60亿元。

　　2022年第一季度，理想汽车收入总额为95.6亿元，较2021年第一季度的35.8亿元增加167.5%，较2021年第四季度的106.2亿元减少10.0%。其中，2022年第一季度的车辆销售收入为93.1亿元，理想汽车表示车辆销售收入较2021年第一季度增加主要归因于2022年第一季度交付车辆增加。车辆销售收入较2021年第四季度减少主要归因于受中国春节假期的季节性影响，致2022年第一季度交付的车辆减少。

chatglm 的答案

理想汽车是一家新能源汽车制造商，销售的车型主要是新能源汽车，包括理想ONE、理想P7等。

怎么让 chatglm 严格根据检索的内容进行回答问题，不要胡说八道呢？

[imClumsyPanda]

从实现方式优化的角度可以参考 https://github.com/imClumsyPanda/langchain-ChatGLM/issues/14#issuecomment-1495338651

从模型本身参数设置角度，可以考虑调低temperature的参数

[jby20180901]

temperature的参数在哪里调

[leonall]

测试起来，调低temperature感觉不是很管用

[jby20180901]

确实如此，打算微调它了，给它上思想钢印试试

[dangzheng0430]

ptuning-v2文件夹里不是只放config.json和pytorch_model.bin吗？那怎么调temperature参数

[jby20180901]

在models文件夹下找