Обнаружение галлюцинаций — проверка фактической согласованности выходных данных LLM
Обнаружение галлюцинаций — это конвейер обработки естественного языка, который измеряет, соответствует ли выходные данные языковой модели исходному документу-источнику или проверяемым фактам. Формализованный как задача оценки верности Майнезом и др. (2020) и расширенный до сценария с нулевым ресурсом и черным ящиком Манакулом и др. (2023) с помощью SelfCheckGPT, этот подход используется для маркировки ненадежных выходных данных LLM в областях с высокими ставками, таких как медицина, право и журналистика.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Hallucination Detection (Factual Consistency). ScholarGate. https://scholargate.app/ru/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.
- Векторные представления BERTИнтеллектуальный анализ текста↔ compare
- Распознавание именованных сущностей (NER)Интеллектуальный анализ текста↔ compare
- Обработка естественного языка (NLP)Интеллектуальный анализ текста↔ compare
- Анализ тональностиИнтеллектуальный анализ текста↔ compare
- Классификация текстовИнтеллектуальный анализ текста↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →