When to Trust LLMs: Aligning Confidence with Response Quality
Alibaba Group(阿里巴巴集团)
本文提出CONQORD方法,通过双组件奖励函数引导强化学习,使LLM的置信度与响应质量顺序对齐,从而提升模型可信度并指导外部知识检索时机。
2024-09-29 cs.CL
Quantifying Uncertainty in Answers from any Language Model and Enhancing their Trustworthiness
Cleanlab;University of Maryland(马里兰大学)
本研究提出BSDetector方法,为黑盒LLM的输出估计置信度以检测错误答案,在问答基准上表现优于现有方法,还能通过选高置信度响应提升答案准确性,并增强LLM自动评估的可靠性。
2023-10-04 cs.AI cs.CL
Increasing LLM response trustworthiness using voting ensembles
Harvard University(哈佛大学);University of Pennsylvania(宾夕法尼亚大学);Massachusetts Institute of Technology(麻省理工学院)
本研究提出可变投票阈值集成方法,允许模型在主导响应不足时弃权,以提升LLM答案可信度,并在算术和临床问答中验证了高可信度与适度产出损失的权衡。
2025-10-05 cs.AI
Why is "Chicago" Predictive of Deceptive Reviews? Using LLMs to Discover Language Phenomena from Lexical Cues
Amazon(亚马逊);UNC Chapel Hill(北卡罗来纳大学教堂山分校)
本文研究LLMs能否将微妙的词汇线索转化为人类可理解的语言现象,提出猜想-验证框架,证明其在数据上具有实证基础,可跨领域推广且比传统方法更有效。
2026-05-13 cs.CL cs.LG
Social preferences with unstable interactive reasoning: Large language models in economic trust games
Utrecht University(乌得勒支大学);University of Birmingham(伯明翰大学)
本研究通过经济信任博弈实验,发现大语言模型在无角色提示时表现出信任与互惠,但角色提示显著影响其行为,且交互推理不稳定,其中ChatGPT-4在无私角色下表现最优。
2025-05-16 cs.AI cs.CL
When Models Learn to Ask Why: Adaptive Causal Reasoning for Trustworthy Medical Vision-Language Models
The Ohio State University(俄亥俄州立大学);Hunan University(湖南大学);Amazon(亚马逊)
提出MedCausalX框架,通过因果推理链、自适应反射架构和轨迹级因果校正,解决医疗VLM中的虚假相关和推理不一致问题,显著提升诊断一致性和减少幻觉。
2026-05-28 cs.AI
Why Chain of Thought Fails in Clinical Text Understanding
Harvard Medical School(哈佛医学院);MIT(麻省理工学院);Broad Institute of MIT and Harvard(MIT与哈佛大学Broad研究所)
本研究发现链式思维在临床文本理解中导致性能下降,揭示了其在临床任务中可靠性与可解释性的矛盾。
2025-12-08 cs.AI cs.CL
Embedding Trust: Semantic Isotropy Predicts Nonfactuality in Long-Form Text Generation
New York University(纽约大学);University of Toronto(多伦多大学)
该研究提出通过语义各向同性(单位球面上归一化文本嵌入的均匀程度)评估LLMs生成长文本的可信度,其方法无需标注数据等,在多领域仅用少量样本预测非事实性的表现优于现有信号。
2026-08-11 cs.AI cs.CL cs.LG
Vision-Integrated LLMs for Autonomous Driving Assistance : Human Performance Comparison and Trust Evaluation
Seoul National University(首尔大学)
针对传统自动驾驶系统在复杂场景中空间推理能力不足的问题,本研究提出集成视觉适配器(YOLOv4+ViT)和GPT-4推理模块的辅助系统,实验表明其场景描述接近人类性能、决策与人类中度一致。
2025-02-06 cs.AI cs.CV cs.HC
Why Language Models Hallucinate
OpenAI;Georgia Tech(佐治亚理工学院)
该研究指出大语言模型的幻觉源于训练与评估更奖励猜测而非承认不确定性,本质是二分类错误,提出需调整现有主流基准的评分规则以推动构建更可信的AI系统。
2025-09-04 cs.CL
LLM Olympiad: Why Model Evaluation Needs a Sealed Exam
MBZUAI(人工智能研究所)
本文提出通过密封考试形式提升LLM评估的公正性与透明度,防止Benchmark追逐和测试内容泄露,确保结果可复现和审计。
2026-03-24 cs.AI cs.CL
Why you shouldn't fully trust ChatGPT: A synthesis of this AI tool's error rates across disciplines and the software engineering lifecycle
Queen’s University Belfast(贝尔法斯特女王大学);Azerbaijan Technical University(阿塞拜疆技术大学)
本研究通过多声文献综述综合量化了ChatGPT在跨学科领域和软件工程生命周期中的错误率,发现其可靠性因任务、领域和模型版本而异,强调在关键环境中仍需人工监督与持续验证。
2025-04-26 cs.AI cs.SE
After Retrieval, Before Generation: Enhancing the Trustworthiness of Large Language Models in Retrieval-Augmented Generation
Southeast University(东南大学);University of New South Wales(新南威尔士大学);Noah’s Ark Lab(诺亚实验室)
BRIDGE框架通过动态确定响应策略,提升检索增强生成中大型语言模型的可信度,实验显示其在准确性上优于基线方法。
2026-01-07 cs.CL
Understanding Why ChatGPT Outperforms Humans in Visualization Design Advice
Boston College(波士顿学院)
本文通过系统比较ChatGPT与人类在数据可视化知识任务中的回答,发现ChatGPT-4兼具人类与ChatGPT-3.5特征,其覆盖广度与技术导向反馈使其回答更受青睐,并据此提出利用LLM与人类感知推进用户体验的启示。
2025-08-03 cs.AI cs.HC
To Trust or Not to Trust: Authors' Response to AI-based Reviews
École Normale Supérieure(巴黎高等师范学院);Sorbonne University(索邦大学);University of West Bohemia(西波什埃大学);Massachusetts Institute of Technology(麻省理工学院)
本文通过两项研究探讨作者对AI辅助评审的使用和看法,发现大多数作者认为AI反馈有用,但不将其等同于人类评审,且更倾向于在提交前使用AI作为内部工具。
2026-05-15 cs.AI cs.CY
Self-Supervised Inference of Agents in Trustless Environments
Fortytwo
针对无信任环境下的智能体推理问题,提出基于LLM分类器的集群自监督推理方法,通过集体智慧实现去中心化AI推理,在准确性、安全性、可靠性及速度上均优于现有方案。
2024-09-12 cs.AI cs.CL cs.CR
Can You Trust an LLM with Your Life-Changing Decision? An Investigation into AI High-Stakes Responses
本研究针对大语言模型在高风险人生建议场景下的谄媚与过度自信风险,通过三类实验分析模型失效模式,发现部分模型稳健性强,且激活引导可调控模型谨慎度,为LLM安全对齐提供了新方向。
2025-07-22 cs.AI cs.CY cs.LG
Confidence-Based Response Abstinence: Improving LLM Trustworthiness via Activation-Based Uncertainty Estimation
Capital One
本文提出一种基于FFN激活的置信度估计方法,用于RAG系统,通过序列分类和Huber损失正则化,在金融客服场景中提升准确性和降低延迟,实现可信赖部署。
2025-10-16 cs.CL
Can We Trust Item Response Theory for AI Evaluation?
Johns Hopkins University(约翰·霍普金斯大学);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of California, Los Angeles(加利福尼亚大学洛杉矶分校)
研究探讨项目反应理论(IRT)用于人工智能评估的可靠性,利用六个大语言模型基准模拟响应矩阵,比较四种估计工具,评估IRT在多方面的表现,发现经典估计器在大型基准中可能不可行,可扩展估计器在特定模型集下可能产生不可靠推断。
2026-10-20 cs.AI
Why LVLMs Are More Prone to Hallucinations in Longer Responses: The Role of Context
School of Computer Science and Engineering, Sun Yat-sen University(中山大学计算机科学与工程学院);ShanghaiTech University(上海理工大学)
本研究提出“诱导-检测-抑制”框架,证明LVLMs更长回答中的幻觉源于上下文依赖而非长度,并在所有基准上显著缓解幻觉。
2025-10-23 cs.AI cs.CL cs.CV
TRUST: An LLM-Based Dialogue System for Trauma Understanding and Structured Assessments
DooGood Foundation(DooGood基金会)
本研究开发了基于LLM的对话系统框架TRUST,用于PTSD诊断访谈与评估,通过设计Dialogue Acts schema和患者模拟方法,专家评估显示其表现已达到普通临床医生水平。
2025-04-30 cs.AI cs.CL
How Trustworthy Are LLM-as-Judge Ratings for Interpretive Responses? Implications for Qualitative Research Workflows
Florida State University(佛罗里达州立大学)
本文探讨了大语言模型作为评判者在解释性回应评估中的可信度,通过比较模型表现与人类评判,指出其在筛选模型时的有效性,但不适合替代人类判断。
2026-03-09 cs.AI cs.CL
Contextual Candor: Enhancing LLM Trustworthiness Through Hierarchical Unanswerability Detection
EDP University of Puerto Rico: San Sebastian(EDP巴尔的摩大学:圣塞巴斯蒂安)
本文提出强化不可回答性学习(RUL)框架,通过分层标签数据集ECA与RLHF训练,使大语言模型能准确检测不可回答问题并生成恰当拒绝回复,从而提升对话AI的可信度与有用性。
2025-06-01 cs.CL
Trust but Verify: Programmatic VLM Evaluation in the Wild
Salesforce AI Research(Salesforce AI研究院)
本文提出PROVE基准,利用场景图程序化验证开放式视觉问答,并统一评估VLMs响应的有用性与真实性,发现多数模型难以平衡二者。
2024-10-17 cs.AI cs.CV
SafeChat: A Framework for Building Trustworthy Collaborative Assistants and a Case Study of its Usefulness
University of South Carolina(南卡罗来纳大学)
针对LLM聊天机器人在可信敏感场景的局限,提出SafeChat框架,通过安全溯源、可用性设计及快速开发特性构建可信协作助手,经ElectionBot-SC案例验证其在多领域的应用价值。
2025-04-15 cs.CL
Ev-Trust: An Evolutionarily Stable Trust Mechanism for Decentralized LLM-Based Multi-Agent Service Economies
School of Control and Computer Engineering, North China Electric Power University(控制与计算机工程学院,华北电力大学);State Grid Corporation of China(国家电网公司)
针对去中心化LLM多智能体服务经济中欺诈成本降低、服务质量评估困难和服务内容不稳定三大脆弱性,提出Ev-Trust信任机制,通过交叉验证门、方差标准化漂移度量和信任信号嵌入收益函数,实现合作策略的演化稳定,实验表明恶意参与减少约60%,欺诈率降低约50%。
2026-05-31 cs.AI cs.GT cs.MA
TRE: Encouraging Exploration in the Trust Region
Institute of Information Engineering, Chinese Academy of Sciences(中国科学院信息工程研究所);School of Cyber Security, University of Chinese Academy of Sciences(中国科学院大学网络安全学院);Baidu Inc.(百度公司);Wilfrid Laurier University(威尔弗里德·劳里埃大学)
TRE通过在模型信任区域内鼓励探索,提升了大型语言模型在数学推理、组合搜索和偏好对齐任务中的性能。
2026-02-03 cs.CL cs.LG
Harnessing RLHF for Robust Unanswerability Recognition and Trustworthy Response Generation in LLMs
Sichuan University of Science and Engineering(四川理工学院);Zagazig University(扎加齐亚大学)
针对 CIR 中不可回答问题易引发幻觉的问题,本文提出 SALU,通过多任务学习与置信度引导的 RLHF 将检测和弃权(不执行)融入 LLM 生成过程,并在 C-IR_Answerability 上验证其准确率与可信度。
2025-07-22 cs.CL
Item-Mean Surrogates: Why Richer Personas Fail to Deliver Individual Fidelity in LLMs as Human Surrogates
University of Georgia(佐治亚大学);MIT Sloan School of Management(麻省理工学院斯隆管理学院);Boston University(波士顿大学)
该研究验证LLM作为人类替代物的前提,发现其仅能近似项目均值,无法捕捉受访者特异性偏差,且更丰富的角色数据等无法缩小差距,提出四项实证检验方法。
2026-11-03 cs.CL cs.CY cs.LG
Why machines do not understand: A response to Søgaard
本文反驳 Søgaard 关于机器能理解语言的观点,指出其混淆了人类使用的语言与存储介质中的惰性符号序列,从而论证机器并不真正理解语言。
2023-07-07 cs.AI cs.CL
Why are Sequence-to-Sequence Models So Dull? Understanding the Low-Diversity Problem of Chatbots
University of Amsterdam(阿姆斯特丹大学)
多样性是信息检索中一个长期研究的话题,通常指检索结果不重复并涵盖不同方面的要求。在对话环境中,多样性的另一个维度很重要:一个有吸引力的响应生成系统应该能够输出多样化和有趣的响应。序列到序列(Seq2Seq)模型已被证明对于响应生成非常有效。然而,由Seq2Seq模型生成的对话响应往往具有低多样性。在本文中,我们回顾了已知的来源和现有的方法,这个低多样性的问题。我们还确定了一个低多样性的来源,到目前为止很少研究,即模型过度自信。我们勾画了几个方向来解决模型过度自信,因此,低多样性的问题,包括置信惩罚和标签平滑。
2018-09-06 cs.AI cs.CL
Why Do Neural Response Generation Models Prefer Universal Replies?
Tencent(腾讯);Beihang University(北京航空航天大学);Peking University(北京大学)
序列到序列学习的最新进展揭示了一种纯粹的数据驱动的反应生成任务方法。尽管其应用多种多样,但现有的神经模型倾向于产生简短和通用的回复,这使得解决开放领域的挑战变得不可行。在这项研究中,我们分析了这个关键问题,根据模型的优化目标和人对人的对话语料库的具体特点。通过将黑盒分解为各个部分,对概率极限进行了详细的分析,揭示了这些普遍回答背后的原因。基于这些分析,我们提出了一个最大边际排名正则化项,以避免模型倾向于这些答复。最后,案例研究和基准测试的实证实验验证了这种方法。
2019-12-11 cs.CL
PeerPen: AI-Assisted Writing for Online Mental Health Peer Support
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Aalto University(阿尔托大学);Indiana University Indianapolis(印第安纳大学印第安纳波利斯分校)
针对在线心理健康同伴支持中志愿者缺乏训练、难以回应的问题,本文构建了AI辅助写作工具PeerPen,通过草稿生成与修订功能减轻写作负担并增强信心,同时提出保留作者身份与社区信任的设计启示。
2026-09-15 cs.AI cs.CL cs.CY
Designing Explainable AI for Healthcare Reviews: Guidance on Adoption and Trust
Newcastle University(纽卡斯尔大学);Taif University(塔伊夫大学)
本文提出了一种用于医疗评论的可解释AI系统,通过混合方法研究探讨了其在提升用户信任和采用方面的设计指导。
2026-02-11 cs.AI cs.CL cs.CY
A Trustworthy, Responsible and Interpretable System to Handle Chit Chat in Conversational Bots
Microsoft(微软)
大多数情况下,聊天机器人是为了解决搜索引擎或人类助手的目的而构建的:它们的主要目标是为用户提供信息或帮助他们完成任务。然而,这些聊天机器人无法回应未经脚本的查询,如“嗨,怎么了”,“你最喜欢的食物是什么”。人类评估判断表明,4人对给定查询的意图达成共识,该查询仅在77%的时间来自聊天域,从而表明这项任务是多么重要。在我们的工作中,我们展示了为什么很难将闲聊空间分解为明确定义的意图。我们提出了一个系统来处理聊天机器人中的这项任务,同时考虑到可扩展性,可解释性,适当性,可信度,相关性和覆盖范围。我们的工作介绍了一种使用分层意图在聊天中进行查询理解的管道,以及在专业机器人中使用seq-seq自动生成模型的方法。我们探索了一个可解释的聊天域检测模型,并展示了各种组件,如成人/攻击性分类,语法/正则表达式模式,策划基于个性的响应,通用的引导回避响应和响应生成模型可以结合在一个可扩展的方式来解决这个问题。
2018-11-23 cs.AI cs.CL cs.LG
Drawing the Line: Enhancing Trustworthiness of MLLMs Through the Power of Refusal
Cooperative Medianet Innovation Center(合作媒体创新中心);Shanghai Jiao Tong University(上海交通大学);Shanghai Artificial Intelligence Laboratory(上海人工智能实验室)
针对多模态大语言模型易产生幻觉的问题,提出信息边界感知学习框架InBoL,通过定义信息边界并训练模型在信息不足时拒绝回答,在提升拒绝准确性的同时不损害有用性,增强模型可信度。
2024-12-15 cs.CL cs.CV
The Dangers of trusting Stochastic Parrots: Faithfulness and Trust in Open-domain Conversational Question Answering
Alana AI(阿兰人工智能公司)
本文研究开放域对话问答中语言对话行为对用户信任的影响,发现词汇对齐等“鹦鹉学舌”行为会提高信任度,但可能掩盖不忠实回答,从而揭示此类系统的潜在危险。
2023-05-25 cs.CL