ScholarGate
Assistente
Process / pipeline

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.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

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

Fonti

  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

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.

Compare side by side
ScholarGateHallucination Detection (Hallucination Detection (Factual Consistency)). Consultato il 2026-06-15 da https://scholargate.app/it/text-mining/hallucination-detection · Insieme di dati: https://doi.org/10.5281/zenodo.20539026