Process / pipeline
幻覚検出 — LLM出力の事実整合性チェック
幻覚検出は、言語モデルの出力が参照ソース文書または検証可能な事実と一致しているかどうかを測定する自然言語処理パイプラインです。Maynezら（2020）によって忠実性評価タスクとして形式化され、Manakulら（2023）によってSelfCheckGPTを用いたゼロリソースのブラックボックス設定に拡張されたこのアプローチは、医学、法律、ジャーナリズムなどのハイリスク領域で信頼性の低いLLM出力をフラグ付けするために使用されます。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 1). Hallucination Detection (Factual Consistency). ScholarGate. https://scholargate.app/ja/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埋め込みテキストマイニング↔ compare
- 固有表現抽出（NER）テキストマイニング↔ compare
- 質問応答 (QA)テキストマイニング↔ compare
- 感情分析テキストマイニング↔ compare
- テキスト分類テキストマイニング↔ compare