ScholarGate
Асистент
Process / pipeline

Откриване на халюцинации — Проверка на фактическата последователност за изходи от големи езикови модели (ГЕМ)

Откриването на халюцинации е процес в обработката на естествен език, който измерва дали изходът на езиков модел е съгласуван с референтен изходен документ или с проверими факти. Формализиран като задача за оценка на достоверността от Maynez et al. (2020) и разширен до настройка на черна кутия с нулеви ресурси от Manakul et al. (2023) със SelfCheckGPT, подходът се използва за отбелязване на ненадеждни изходи от ГЕМ в области с висок риск като медицина, право и журналистика.

Отворете в MethodMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

The neighbourhood of related methods — select a node to explore.

Източници

  1. Maynez, J., Narayan, S., Bohnet, B., & McDonald, R. (2020). On Faithfulness and Factuality in Abstractive Summarization. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL), 1906-1919. link
  2. Manakul, P., Liusie, A., & Gales, M.J.F. (2023). SelfCheckGPT: Zero-Resource Black-Box Hallucination Detection for Generative Large Language Models. Proceedings of the 2023 Conference on Empirical Methods in Natural Language Processing (EMNLP), 9004-9017. link

Как да цитирате тази страница

ScholarGate. (2026, June 1). Hallucination Detection (Factual Consistency). ScholarGate. https://scholargate.app/bg/text-mining/hallucination-detection

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateHallucination Detection (Hallucination Detection (Factual Consistency)). Извлечено на 2026-06-15 от https://scholargate.app/bg/text-mining/hallucination-detection · Набор от данни: https://doi.org/10.5281/zenodo.20539026