CrossHallu: Do Hallucination Signals Generalize Across Languages and Domains in Large Language Model's Internals?
King Fahd University of Petroleum and Minerals(法赫德国王石油与矿产大学);Imam Abdulrahman bin Faisal University(伊玛目阿卜杜勒拉赫曼·本·费萨尔大学)
研究大语言模型内部幻觉检测信号能否跨语言和领域泛化,通过CrossHallu对六个模型的内部表征在生成式问答任务上进行评估,结果揭示了模型内部状态幻觉信号跨语言和领域转移的情况。
2026-08-07 cs.CL
Prompt-Guided Internal States for Hallucination Detection of Large Language Models
School of Mathematical Sciences, Nankai University(南开大学数学科学学院);College of Computer Science, Nankai University(南开大学计算机学院)
本文提出PRISM框架,利用提示引导LLM内部状态中与真实性相关的结构变化,仅用域内数据增强幻觉检测器的跨域泛化能力,实验验证其显著提升现有方法的跨域性能。
2025-05-22 cs.CL
Internal Representations as Indicators of Hallucinations in Agent Tool Selection
本文提出了一种利用LLM内部表示实时检测工具调用幻觉的方法,通过减少计算开销实现高准确率的检测,尤其在参数和工具选择方面表现优异。
2026-01-08 cs.AI
A novel hallucination classification framework
Instituto Superior Técnico, Universidade de Lisboa(里斯本大学技术学院);Molde University College(莫尔德大学学院)
本文提出一种基于分类法和受控复现的幻觉自动检测框架,通过嵌入与无监督学习证明简单分类算法可有效区分LLM幻觉与正确响应。
2025-10-06 cs.AI cs.CL
LLM Internal States Reveal Hallucination Risk Faced With a Query
Center for Artificial Intelligence Research (CAiRE)(人工智能研究中心(CAiRE));Hong Kong University of Science and Technology(香港科技大学)
本文研究 LLM 能否在生成回答前通过内部状态估计自身幻觉风险,在 15 个 NLG 任务、700 多个数据集上发现内部状态可反映是否见过查询及是否可能幻觉,并利用探测估计器实现平均 84.32% 的运行时幻觉估计准确率。
2024-09-29 cs.CL
LLMs Know More Than They Show: On the Intrinsic Representation of LLM Hallucinations
Technion(技术学院);Google Research(谷歌研究);Apple(苹果公司)
本研究发现大语言模型内部表征编码的真实性信息远超此前认知,指出其真实性编码具多面性且可预测错误类型,还揭示了内部编码与外部行为的差异,为错误分析与缓解提供新视角。
2025-05-18 cs.AI cs.CL
Black-Box Hallucination Detection via Consistency Under the Uncertain Expression
本文研究LLM幻觉检测问题,通过分析模型在不确定表达下的一致性与事实性的关系,提出一种无需内部状态和外部资源的黑盒检测指标,实验证明其预测事实性的效果优于使用内部知识的基线方法。
2025-09-26 cs.AI cs.CL
The Energy of Falsehood: Detecting Hallucinations via Diffusion Model Likelihoods
Dell Technologies, CSG CTO Team(戴尔技术,CSG CTO团队)
DiffuTruth通过扩散模型似然检测幻觉,利用非平衡热力学原理,提出语义能量度量和混合校准方法,在FEVER和HOVER数据集上取得显著性能提升。
2026-02-11 cs.AI cs.CL
IRIS: Implicit Reward-Guided Internal Sifting for Mitigating Multimodal Hallucination
Department of Artificial Intelligence, Westlake University, Hangzhou, China(人工智能系,西湖大学,杭州,中国);Sony Research, Sony(索尼研究,索尼)
IRIS通过隐式奖励引导内部筛选,有效缓解多模态大语言模型的幻觉问题,无需外部反馈且性能优异。
2026-02-03 cs.AI cs.LG
Learning to Trust Your Feelings: Leveraging Self-awareness in LLMs for Hallucination Mitigation
X2Robot;International Digital Economy Academy(国际数字经济发展研究院)
本研究发现LLMs具备内部知识状态自我意识但生成时易出现事实幻觉,提出融合知识探测与一致性检查的标注工具Dreamcatcher及知识反馈强化学习框架RLKF,有效提升模型事实性与诚实度及相关任务表现。
2024-01-27 cs.CL
The HalluRAG Dataset: Detecting Closed-Domain Hallucinations in RAG Applications Using an LLM's Internal States
University of Münster(明斯特大学)
提出HalluRAG数据集,利用LLM内部状态在句子级别检测RAG应用中未见于训练数据的幻觉,MLP分类器测试准确率最高达75%,并发现IAV与CEV效果相当。
2025-03-25 cs.CL cs.LG
Two Pathways to Truthfulness: On the Intrinsic Encoding of LLM Hallucinations
State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University(信息处理国家重点实验室,计算机科学学院,北京大学);Microsoft Research Asia(微软亚洲研究院)
本文探讨LLM幻觉的内在编码机制,通过两种信息路径揭示真实性信号的来源,发现其与知识边界和内部表示密切相关,并提出改进幻觉检测的应用。
2026-04-15 cs.AI cs.CL
NeuroActiSep: Detecting Factual Hallucinations from Feed-Forward Neurons in a Single Pass
University of Tehran(德黑兰大学)
本文提出NeuroActiSep方法,通过自定义数据集排序前馈神经元,迁移至其他问答数据集训练幻觉分类器,证明其性能与内部状态探针相当,并分析神经元分布与层深度影响。
2026-09-15 cs.AI cs.CL cs.LG
From Text Metrics to Model Internals: A Study of Whisper ASR Hallucination Detection
Signal Processing Group, Institute of Electronics, AGH University of Krakow, Poland(信号处理组,电子学研究所,AGH克拉科夫大学,波兰)
研究Whisper大模型在真实语音数据上的幻觉检测,通过文本、LLM和内部解码器状态三种方法,发现无参考文本时探测解码器表示性能最强,融合文本与内部状态的元分类器效果最佳。
2026-06-23 cs.AI cs.SD eess.AS
Listen to the Layers: Mitigating Hallucinations with Inter-Layer Disagreement
Stevens Institute of Technology(斯蒂文斯理工学院)
CoCoA通过监听模型内部层间分歧信号,有效缓解大语言模型的幻觉问题,提升推理时的事实准确性。
2026-03-08 cs.AI cs.CL
Attention Sinks as Internal Signals for Hallucination Detection in Large Language Models
Department of Artificial Intelligence, Wroclaw University of Science and Technology(弗罗茨瓦夫科技大学人工智能系)
本文提出SinkProbe方法,通过分析注意力汇点揭示幻觉检测机制,基于理论提出新的检测方法,在多个数据集和LLM上取得最佳性能。
2026-08-04 cs.CL cs.LG
Analyzing the Correlation Between Hallucinations and Knowledge Conflicts in Large Language Models
University of Bari Aldo Moro(巴里阿尔多莫罗大学)
通过探针技术分析LLM内部表示,发现幻觉激活模式不能完全归因于知识冲突,但探针可提升模型可解释性。
2026-06-07 cs.CL
CCNU at SemEval-2025 Task 3: Leveraging Internal and External Knowledge of Large Language Models for Multilingual Hallucination Annotation
Hubei Provincial Key Laboratory of Artificial Intelligence and Smart Learning(湖北省人工智能与智能学习重点实验室);National Language Resources Monitoring and Research Center for Network Media(网络媒体语言资源监测与研究中心);School of Computer Science, Central China Normal University(中央财经大学计算机学院)
本文提出面向 Mu-SHROOM 多语言幻觉标注任务的系统,通过并行调用专长不同的 LLM 并融合内外部知识模拟众包标注,DeepSeek-V3 在印地语排名第一、七种语言进入前五。
2025-05-17 cs.CL
Look Before You Leap: Factual Decoding with Internal Attribution Signals
Chung-Ang University(中央大学)
针对LLM幻觉雪球问题,提出利用内部归因信号的DescaPE解码框架,通过探针近似事实显著信号并调整候选评分,在五个基准上提升事实性且仅增加1.10倍延迟。
2026-09-15 cs.AI cs.CL
Do LLMs Really Know What They Don't Know? Internal States Mainly Reflect Knowledge Recall Rather Than Truthfulness
Singapore Management University(新加坡国立管理学院);DAMO Academy, Alibaba Group(阿里集团达摩院);Singapore University of Technology and Design(新加坡科技设计大学)
本文探讨大语言模型是否真正了解其未知领域,通过分析内部状态发现其主要反映知识回忆而非真实性,提出hallucination分类方法以区分不同hallucination类型。
2026-04-17 cs.CL
TruthPrInt: Mitigating Large Vision-Language Models Object Hallucination Via Latent Truthful-Guided Pre-Intervention
Drexel University(德雷塞尔大学);University of Electronic Science and Technology of China(电子科技大学);Hong Kong University of Science and Technology (Guangzhou)(香港科学与技术大学(广州));LLNL(劳伦斯利弗莫尔国家实验室);Lehigh University(莱斯大学)
TruthPrInt通过学习真相方向并引导解码过程,有效缓解大视觉-语言模型中的对象幻觉问题。
2026-02-08 cs.AI cs.CL cs.CV
Toward Faithful Retrieval-Augmented Generation with Sparse Autoencoders
Department of Computer Science University of Virginia(计算机科学系弗吉尼亚大学)
本研究提出RAGLens,通过稀疏自编码器解构LLM内部激活,有效检测RAG生成中的不忠实输出,并提供可解释的决策理由。
2026-02-11 cs.AI cs.CL
RAGognizer: Hallucination-Aware Fine-Tuning via Detection Head Integration
Computer Science Department(计算机科学系)
RAGognizer通过整合轻量级检测头,实现hallucination-aware微调,提升内部状态分离性并减少生成hallucination。
2026-04-17 cs.CL cs.LG
Hallucination Detection via Internal States and Structured Reasoning Consistency in Large Language Models
Beijing University of Posts and Telecommunications(北京邮电大学)
通过内部状态和结构化推理一致性检测大语言模型中的幻觉,提出统一框架解决检测困境,提升事实和逻辑任务的检测性能。
2026-01-08 cs.CL
Confidence-Aware Routing for Large Language Model Reliability Enhancement: A Multi-Signal Approach to Pre-Generation Hallucination Mitigation
AI Safety Research(人工智能安全研究);Convai Innovations(Convai创新)
针对大语言模型的幻觉问题,提出融合三类信号的置信度感知路由系统,生成前主动评估不确定性并分流查询,在知识密集型问答基准上显著提升幻觉检测效果与F1分数,同时降低计算成本。
2025-09-23 cs.AI cs.CL
The Impact of Negated Text on Hallucination with Large Language Models
Korea University(高丽大学)
本文研究否定文本对大型语言模型幻觉检测的影响,提出三个研究问题,构建NegHalu数据集,实验发现LLMs难以有效检测否定文本中的幻觉,并揭示内部状态处理挑战。
2025-10-23 cs.AI cs.CL
HIDE and Seek: Detecting Hallucinations in Language Models via Decoupled Representations
Indian Institute of Technology Delhi, India(印度德里印度理工学院)
本文提出单次通过、无需训练的HIDE方法,通过量化语言模型内部表示与输出的统计解耦来检测幻觉,在多个数据集上优于现有单次方法,并接近多次方法,显著降低计算成本。
2025-06-21 cs.AI cs.CL
D-Score: A Spectral Hidden-State Signal for Hallucination Detection in Large Language Models
Department of Computer Science and Engineering, University of Bologna(博洛尼亚大学计算机科学与工程系)
研究大语言模型幻觉检测,提出基于隐藏激活几何结构的D分数,通过单次前向传播计算,用作幻觉分数。经实验验证,该分数是强大的隐藏状态信号,检测时无需外部验证器等,为幻觉检测提供新方法。
2026-07-28 cs.AI cs.CL
External Observers May See More Clearly: Cross-Model Span-Level Hallucination Detection in Large Language Models via Hidden State Probing
LIX, École Polytechnique(巴黎综合理工学院 LIX);School of Electrical and Electronic Engineering, Nanyang Technological University(南洋理工大学电气与电子工程学院);LIPN, Sorbonne Paris Nord(巴黎北索邦大学 LIPN)
提出基于隐藏状态探测的跨度级幻觉检测框架,通过跨模型观察实现更优的幻觉起始定位,且外部小模型可超越生成者自我检测。
2026-10-02 cs.AI
CORVUS: Red-Teaming Hallucination Detectors via Internal Signal Camouflage in Large Language Models
Singapore Management University(新加坡管理大学);Chongqing University(重庆大学)
CORVUS 通过内部信号伪装技术,有效检测大语言模型中的幻觉问题,并推动了对手意识的审计方法。
2026-01-19 cs.AI cs.CR
Revisiting Hallucination Detection with Effective Rank-based Uncertainty
Peking University(北京大学)
本文提出一种基于有效秩的不确定性量化方法,通过分析多输出多层的隐藏状态谱特征来检测大语言模型幻觉,无需额外模块,兼具理论依据与实验验证,实现稳健的幻觉检测。
2025-10-09 cs.AI
PURR: Efficiently Editing Language Model Hallucinations by Denoising Language Model Corruptions
University of California, Irvine(加州大学欧文分校);Google DeepMind(谷歌DeepMind);Google Search(谷歌搜索)
本文提出PURR模型,通过利用大型语言模型引入噪声并微调紧凑型编辑器进行去噪,实现完全无监督的幻觉修正,在提升归因效果的同时大幅加快执行速度。
2023-05-24 cs.CL
Readable but Not Controllable: Neuron-Level Evidence for Medical LLM Hallucination
本研究通过探测医学大语言模型内部表示,发现幻觉可被高精度检测(AUROC 0.77-0.86),但该表示分布冗余且因果不可控,揭示了解码性与可控性之间的显著差距。
2026-07-02 cs.CL
Do We Really Need External Tools to Mitigate Hallucinations? SIRA: Shared-Prefix Internal Reconstruction of Attribution
Tsinghua University(清华大学);The University of Sydney(悉尼大学);Stanford University(斯坦福大学);Baichuan AI(百川AI)
SIRA通过内部构建对比参考减少视觉语言模型的幻觉,无需外部工具或额外计算,保持描述覆盖并降低开销。
2026-05-14 cs.AI cs.CL cs.CV
TRACE: Trajectory Correction from Cross-layer Evidence for Hallucination Reduction
Independent Researcher(独立研究者)
本文提出TRACE算法,通过跨层证据在推理时修正LLM中的幻觉,无需训练或标注,通过内部证据选择修正策略,提升多个基准测试的性能。
2026-09-09 cs.AI cs.CL
Token-Guard: Towards Token-Level Hallucination Control via Self-Checking Decoding
Beijing University of Posts and Telecommunications(北京邮电大学);Nanyang Technological University(南洋理工大学)
Token-Guard通过自检解码技术,实现对大型语言模型中token级幻觉的有效控制,提升生成准确性与输出可靠性。
2026-01-30 cs.AI cs.CL
Small Updates, Big Doubts: Does Parameter-Efficient Fine-tuning Enhance Hallucination Detection ?
The University of Texas at Dallas(德克萨斯大学达拉斯分校);Baylor University(贝勒大学);The University of California, Davis(加州大学戴维斯分校)
本文研究参数高效微调对幻觉检测的影响,通过实证分析发现PEFT增强了检测能力,且主要通过重塑不确定性编码而非注入新知识。
2026-09-01 cs.AI cs.CL
On Early Detection of Hallucinations in Factual Question Answering
Amazon Web Services(亚马逊网络服务);Ruhr-Universität Bochum(鲁尔大学波鸿分校)
本文研究事实问答中的幻觉早期检测,通过分析LLM的输入、输出和内部状态线索训练二元分类器,实现了高达0.80的AUROC,并发现幻觉前的token已能预测后续幻觉。
2024-08-22 cs.AI cs.CL
Probabilistic distances-based hallucination detection in LLMs with RAG
Markov Lab, Department of Mathematics(马尔可夫实验室,数学系);Computer Science, Saint-Petersburg University(计算机科学,圣彼得堡大学);AI Center, Skoltech(人工智能中心,斯克里普丘克技术学院);SB AI Lab(SB人工智能实验室);AI Center, Skoltech, Risk department, Sber(人工智能中心,斯克里普丘克技术学院,风险部门)
本文提出了一种基于概率距离的LLM幻觉检测方法,利用提示标记与响应标记嵌入分布的距离来检测幻觉,具有高效性和可迁移性。
2026-02-24 cs.AI cs.CL
TruthX: Alleviating Hallucinations by Editing Large Language Models in Truthful Space
Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所);University of Chinese Academy of Sciences(中国科学院大学);Key Laboratory of AI Safety, Chinese Academy of Sciences(中国科学院人工智能安全重点实验室)
提出TruthX推理时干预方法,通过自编码器和对比学习在真实空间编辑LLM内部表示,显著提升模型真实性并缓解幻觉。
2024-06-05 cs.AI cs.CL cs.LG
The System Hallucination Scale (SHS): A Minimal yet Effective Human-Centered Instrument for Evaluating Hallucination-Related Behavior in Large Language Models
Machine Learning and Information Science Group, Medical University of Graz(格拉茨医科大学机器学习与信息科学组);Human Machine Mind Cooperation, Graz, Austria(格拉茨人类机智合作中心);MIDATA Cooperative, Zurich, Switzerland(苏黎世MIDATA合作组织);Human-Centered AI Lab, BOKU University Vienna(维也纳BOKU大学人本AI实验室)
SHS是一种以人类为中心的评估工具,用于评估大语言模型中的幻觉相关行为,通过用户视角提供快速且可解释的评估方法。
2026-02-13 cs.AI cs.CL
Where Fake Citations Are Made: Tracing Field-Level Hallucination to Specific Neurons in LLMs
Rutgers University(罗格斯大学)
研究发现LLM生成虚假引用时,作者名错误率最高,领域特定的幻觉神经元通过内部模型信号可检测和缓解。
2026-04-20 cs.AI cs.CL
Weakly Supervised Detection of Hallucinations in LLM Activations
Saarland University(萨尔大学);IBM Research Africa(IBM非洲研究院)
提出基于子集扫描的弱监督审计方法,在无需预知模式类型或虚假陈述的情况下检测LLM激活中的幻觉及关键节点,性能媲美全监督分布外分类器。
2023-12-05 cs.CL cs.LG
Redefining "Hallucination" in LLMs: Towards a psychology-informed framework for mitigating misinformation
University of Tennessee(田纳西大学);Oak Ridge National Lab(橡树岭国家实验室)
本文质疑大语言模型“幻觉”术语的适用性,提出基于认知偏差的心理学分类法,以细粒度理解并借鉴人类内部解决机制,制定策略缓解虚假信息,提升模型可靠性。
2024-02-01 cs.AI cs.CL
FaithSCAN: Model-Driven Single-Pass Hallucination Detection for Faithful Visual Question Answering
Institute of Information Engineering, Chinese Academy of Sciences (CAS) and the School of Cyber Security, University of CAS(信息工程研究所、中国科学院(CAS)和安全学院、CAS大学)
FaithSCAN通过利用VLMs的内部信号实现高效准确的视觉问答幻觉检测,克服现有方法的效率与鲁棒性限制。
2026-01-31 cs.AI cs.CV
Learning Uncertainty from Sequential Internal Dispersion in Large Language Models
Nanyang Technological University(南洋理工大学);Shanghai Jiao Tong University(上海交通大学);Centre for AI Research, VinUniversity(Vin大学人工智能研究中心)
本文提出SIVR框架,通过利用隐藏状态中的token和层级特征,以更基本的假设来估计不确定性,从而提高hallucination检测的准确性和泛化能力。
2026-04-17 cs.AI cs.CL
HalluShift: Measuring Distribution Shifts towards Hallucination Detection in LLMs
Indian Statistical Institute(印度统计研究所);Netaji Subhash Engineering College(纳塔吉·苏巴什工程学院);East China Normal University(华东师范大学)
针对大型语言模型(LLMs)的幻觉问题,本研究提出HalluShift方法,通过分析LLM生成响应的内部状态空间和标记概率的分布偏移检测幻觉,在多个基准数据集上性能优于现有基线。
2025-04-13 cs.AI cs.CL cs.ET
A Head to Predict and a Head to Question: Pre-trained Uncertainty Quantification Heads for Hallucination Detection in LLM Outputs
MBZUAI;ETH Zürich(苏黎世联邦理工学院);University of Cambridge(剑桥大学);Behavox;Accenture;Computational Semantics Group(语义计算小组)
本文提出预训练的监督式UQ辅助头,利用Transformer架构和LLM注意力图特征检测输出幻觉,在域内外及跨语言场景取得SOTA,并开源模型与代码。
2025-05-13 cs.AI cs.CL
PARALLAX: Separating Genuine Hallucination Detection from Benchmark Construction Artifacts
Virginia Tech(弗吉尼亚理工大学)
本文研究了大型语言模型幻觉检测中的基准构建人工制品问题,提出DRIFT作为对比方法,发现大部分基线方法在控制条件下表现接近随机,而SAPLMA和DRIFT作为上层隐藏状态的监督探针表现出例外。
2026-05-16 cs.AI cs.CL
Measuring the Impact of Lexical Training Data Coverage on Hallucination Detection in Large Language Models
Université de Montréal(蒙特利尔大学)
本研究探讨词汇训练数据覆盖对大型语言模型幻觉检测的影响,通过构建后缀数组和n-gram统计,发现结合出现特征与对数概率可提升检测效果。
2025-11-22 cs.AI cs.CL
Whispers that Shake Foundations: Analyzing and Mitigating False Premise Hallucinations in Large Language Models
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);School of Artificial Intelligence, University of Chinese Academy of Sciences(中国科学院大学人工智能学院);Hunan Normal University(湖南师范大学)
本文揭示错误前提问题会通过少数“错误前提注意力头”干扰LLM知识提取,并提出推理时约束这些头的FAITH方法,仅约束约1%注意力头即可提升近20%性能。
2024-02-29 cs.AI cs.CL
TPA: Next Token Probability Attribution for Detecting Hallucinations in RAG
Australian Artificial Intelligence Institute (AAII)(澳大利亚人工智能研究所)
TPA通过归因七个来源量化各组件对生成下一个令牌的影响,有效识别幻觉响应,实验显示其性能领先。
2026-04-17 cs.AI cs.CL
HARP: Hallucination Detection via Reasoning Subspace Projection
HARP通过推理子空间投影方法检测大语言模型中的幻觉,通过分解隐藏状态空间并应用SVD提升鲁棒性,实验显示在TriviaQA上达到92.8%的AUROC。
2025-12-05 cs.AI cs.CL
HALT: Hallucination Assessment via Log-probs as Time series
Georgia Institute of Technology(佐治亚理工学院)
HALT通过log-prob时间序列检测幻觉,比Lettuce更高效且兼容专有模型。
2026-09-17 cs.AI cs.CL