ScholarGate
Ассистент
Process / pipeline

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.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

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

Источники

  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 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.

Compare side by side
ScholarGateHallucination Detection (Hallucination Detection (Factual Consistency)). Получено 2026-06-15 из https://scholargate.app/ru/text-mining/hallucination-detection · Набор данных: https://doi.org/10.5281/zenodo.20539026