Rilevamento delle Allucinazioni — Verifica della Coerenza Fattuale per gli Output di LLM
Il rilevamento delle allucinazioni è una pipeline di elaborazione del linguaggio naturale che misura se l'output di un modello linguistico è coerente con un documento di riferimento o con fatti verificabili. Formalizzato come attività di valutazione della fedeltà da Maynez et al. (2020) e esteso a un contesto black-box a risorse zero da Manakul et al. (2023) con SelfCheckGPT, l'approccio viene utilizzato per segnalare output di LLM inaffidabili in domini ad alto rischio come medicina, diritto e giornalismo.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Hallucination Detection (Factual Consistency). ScholarGate. https://scholargate.app/it/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.
- BERT EmbeddingsText mining↔ compare
- Riconoscimento di entità nominate (NER)Text mining↔ compare
- Risposta a domande (QA)Text mining↔ compare
- Analisi del SentimentoText mining↔ compare
- Classificazione del testoText mining↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →