RAGTruth: A Hallucination Corpus for Developing Trustworthy Retrieval-Augmented Language Models
专题命中 幻觉与事实性 :trustworthy(title);分类 cs.CL
AI 大模型
大模型对齐、安全、越狱、红队、提示注入和可信评测。
专题命中 幻觉与事实性 :trustworthy(title);分类 cs.CL
专题命中 幻觉与事实性 :alignment(title);分类 cs.AI
Comments Published in AAAI Spring Symposium: AAAI-MAKE 2024
专题命中 幻觉与事实性 :alignment(title);分类 cs.AI
Comments Conference on Robot Learning (CoRL) 2023, Oral Presentation
专题命中 幻觉与事实性 :trustworthy(title);分类 cs.LG
专题命中 幻觉与事实性 :safety(title);分类 cs.LG
专题命中 幻觉与事实性 :trustworthy(title);分类 cs.LG
长存微调:在Reddit上,任务特定Transformer在错误信息响应分类中优于零样本LLM
机构 * University of Technology Sydney(悉尼技术大学)
专题命中 幻觉与事实性 :alignment(abstract);safety(abstract);分类 cs.CL、cs.CY
AI总结 通过对比微调模型与零样本LLM在Reddit错误信息评论分类上的表现,发现微调RoBERTa在宏F1分数上显著优于最佳零样本模型,且成本更低,表明任务特定微调在检测隐性错误信息方面仍更可靠。
忠实性作为信息流:评估与训练忠实的链式思维推理
机构 * Dept. CSE, Michigan State University(密歇根州立大学计算机科学系) ; Anthropic
专题命中 幻觉与事实性 :safety(abstract,abstract_cn);分类 cs.CL、cs.LG
AI总结 通过信息流视角提出基于充分性、完整性和必要性的框架,结合熵、掩码KL和梯度诊断评估链式思维忠实性,并引入更新时干预(如注意力掩码、反向梯度掩码等)训练更忠实的推理模型。
有害吗?网络部署医疗大语言模型中的幻觉与作用层面滥用
机构 * The University of New South Wales, Sydney, Australia(新南威尔士大学,悉尼,澳大利亚)
专题命中 幻觉与事实性 :alignment(abstract);safety(abstract);分类 cs.CL、cs.CY
AI总结 本文研究了网络部署的医疗大语言模型中的幻觉和作用层面滥用问题,通过评估6233个MedGPT和10个开源LLM,发现25-30%的MedGPT事实准确性较低,33.6-54.3%违反操作阈值,57.06%的Action-enabled模型缺乏充分的隐私披露,揭示了系统性漏洞,强调了多指标评估和更强的安全保障的必要性。
多类局部校准与 Jensen-Shannon 距离
机构 * University of Trento(特伦托大学) ; University of Pisa(比萨大学) ; Meta ; Fondazione Bruno Kessler(布鲁诺·凯斯勒基金会)
专题命中 幻觉与事实性 :alignment(abstract);trustworthy(abstract);分类 cs.AI、cs.LG
AI总结 本文提出多类局部校准概念,通过 Jensen-Shannon 距离改进神经网络的局部校准能力,解决现有方法在稀疏区域的校准偏差问题。
Comments Accepted at AISTATS 2026
大型语言模型中情感表征的潜在结构
机构 * Harvard University(哈佛大学)
专题命中 幻觉与事实性 :safety(abstract);AI safety(abstract);分类 cs.AI、cs.LG
AI总结 研究大型语言模型中情感表征的潜在几何结构,发现其与心理学中的valence-arousal模型一致,并展示了其在不确定性量化中的应用。
基于评分标准的语音大模型多维度多评分者二语阅读语音评估
专题命中 幻觉与事实性 :alignment(abstract);trustworthy(abstract);分类 cs.CL、cs.AI
AI总结 本文提出基于评分标准的语音大模型微调方法,通过多维度评分标准和不确定性校准,提升二语阅读语音评估的可靠性与可解释性。
Comments Accepted to LREC 2026. This publication is part of the project Responsible AI for Voice Diagnostics (RAIVD) with file number NGF.1607.22.013 of the research programme NGF AiNed Fellowship Grants, which is financed by the Dutch Research Council (NWO)
潜在后验因子的理论基础:多证据推理的正式保证
机构 * Epalea
专题命中 幻觉与事实性 :safety(abstract);trustworthy(abstract);分类 cs.AI、cs.LG
AI总结 本文提出了一种理论框架,通过变分自编码器将多异质证据转换为高斯潜在后验,并利用Sum-Product网络或神经聚合器进行聚合,提供多证据推理的正式保证。
Comments 30 pages, 8 figures, 10 tables. Theoretical characterization of the Latent Posterior Factors (LPF) framework for multi-evidence probabilistic reasoning, with formal guarantees and empirical validation
基于指南的证据积累用于高风险代理验证
机构 * Tsinghua University(清华大学) ; University of Cambridge(剑桥大学) ; Thomson Reuters Foundational Research(汤姆森路透基础研究)
专题命中 幻觉与事实性 :alignment(abstract);trustworthy(abstract);分类 cs.CL、cs.AI
AI总结 GLEAN通过基于指南的证据积累框架,提升高风险代理决策的验证可靠性,实验显示其在AUROC和Brier分数减少方面均优于基线方法。
面向尺度感知可解释性的最坏情况保证
机构 * Principles of Intelligence, USA(智能原理研究所,美国) ; Centre for Theoretical Physics, Queen Mary University of London(理论物理中心,伦敦女王大学) ; Universitat Pompeu Fabra, Barcelona, Spain(庞培法布拉大学,巴塞罗那,西班牙) ; Perimeter Institute for Theoretical Physics, Waterloo ON, Canada(皮尔姆研究所,滑铁卢,加拿大) ; Department of Informatics, University of Sussex(信息学院, Sussex 大学) ; Department of Brain Sciences, Imperial College London(脑科学系,伦敦帝国学院) ; Centre for Eudaimonia and human flourishing, University of Oxford(幸福与人类繁荣中心,牛津大学)
专题命中 幻觉与事实性 :safety(abstract);AI safety(abstract);分类 cs.AI、cs.LG
AI总结 本文提出通过物理重整化框架开发具有鲁棒性和忠实性的尺度感知可解释性工具,以提升人工智能的安全性。
IRIS: 隐式奖励引导的内部筛选以缓解多模态幻觉
机构 * 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)
专题命中 幻觉与事实性 :alignment(abstract);DPO(abstract);分类 cs.AI、cs.LG
AI总结 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。
知何时退避:医疗大语言模型在临床不确定性中的表现
机构 * Manning College of Information and Computer Sciences, UMass Amherst, MA, USA(马萨诸塞大学阿姆赫斯特曼宁信息与计算机科学学院) ; Center for Healthcare Organization and Implementation Research, VA Bedford Health Care(医疗组织与实施研究中心) ; Miner School of Computer and Information Sciences, UMass Lowell, MA, USA(米纳尔计算机与信息科学学院)
专题命中 幻觉与事实性 :safety(abstract);trustworthy(abstract);分类 cs.CL、cs.AI
AI总结 本文提出MedAbstain基准,探讨医疗LLM在临床不确定性中的退避能力,发现显式退避选项能显著提升安全性,而模型规模和提示方法效果有限。
Comments Equal contribution for the first two authors; To appear in proceedings of the Main Conference of the European Chapter of the Association for Computational Linguistics (EACL) 2026
SL-CBM: 通过语义局部性增强概念瓶颈模型以提升可解释性
专题命中 幻觉与事实性 :alignment(abstract);trustworthy(abstract);分类 cs.AI、cs.LG
AI总结 SL-CBM通过引入语义局部性增强概念瓶颈模型,提升可解释性和干预效果,同时保持分类准确度。
语气至关重要:语言语气对VLMs幻觉影响的研究
机构 * Department of Computer Science and Technology, Kean University(计算机科学与技术系,凯恩大学) ; Department of Computer Science and Engineering, University of Notre Dame(计算机科学与工程系,圣母大学)
专题命中 幻觉与事实性 :alignment(abstract);safety(abstract);分类 cs.CL、cs.AI
AI总结 本文研究了提示语气对VLMs幻觉的影响,通过Ghost-100数据集发现幻觉率与提示强度非线性相关,揭示模型在处理结构性强制时的局限性。
Comments 10 pages, 6 figures, WACV Workshop
语义驱动:通过开放词汇锚定和神经符号视觉语言共识民主化长尾数据整理
机构 * Independent Researcher(独立研究者)
专题命中 幻觉与事实性 :alignment(abstract);safety(abstract);分类 cs.CL、cs.AI
AI总结 Semantic-Drive通过开放词汇锚定和神经符号视觉语言共识,提升自动驾驶中长尾数据整理的效率与隐私保护。
注意置信差距:大型语言模型中的过度自信、校准与干扰效应
机构 * University of Southern California(美国南加州大学)
专题命中 幻觉与事实性 :RLHF(abstract);trustworthy(abstract);分类 cs.CL、cs.AI
AI总结 本研究探讨了大型语言模型中的过度自信问题,通过引入干扰项显著改善校准,提出针对性的改进策略以提升模型可靠性。
Comments Published in Transactions on Machine Learning Research (TMLR)
从噪声到叙述:追踪变换器中幻觉的起源
机构 * Mila - Quebec AI Institute(魁北克人工智能研究所)
专题命中 幻觉与事实性 :safety(abstract);AI safety(abstract);分类 cs.AI、cs.LG
AI总结 研究通过分析变换器模型在输入不确定性下的行为,揭示幻觉的起源及预测方法,为AI安全和风险评估提供依据。
机构 * Lu Bowen(路 Bowen)
专题命中 幻觉与事实性 :alignment(abstract);safety(abstract);分类 cs.AI、cs.LG
机构 * McGill University(麦吉尔大学) ; Mila – Quebec AI Institute(魁北克AI研究所)
专题命中 幻觉与事实性 :safety(abstract);trustworthy(abstract);分类 cs.CL、cs.AI
Comments Accepted to ICCV 2025 Workshop CVAMD
机构 * The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州)) ; Chinese Academy of Sciences(中国科学院) ; Shanghai AI Lab(上海人工智能实验室) ; Tencent Hunyuan(腾讯文英)
专题命中 幻觉与事实性 :alignment(abstract);DPO(abstract);分类 cs.CL、cs.AI
Comments Working in progress
机构 * University of Wisconsin-Madison(威斯康星大学麦迪逊分校) ; University of Warwick(沃里克大学)
专题命中 幻觉与事实性 :safety(abstract);AI safety(abstract);分类 cs.AI、cs.LG
机构 * University of Edinburgh(爱丁堡大学) ; Alibaba Group(阿里巴巴集团) ; INF Technology(INF技术) ; University of Amsterdam(阿姆斯特丹大学)
专题命中 幻觉与事实性 :alignment(abstract);RLHF(abstract);分类 cs.CL、cs.AI
Comments ICLR 2025
专题命中 幻觉与事实性 :safety(abstract);AI safety(abstract);分类 cs.CL、cs.AI
Comments Code is available at https://github.com/renqibing/MultiAgent4Collusion
机构 * The Grainger College of Engineering, Nuclear, Plasma & Radiological Engineering, University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校格雷格尔工程学院) ; National Center for Supercomputing Applications(国家超级计算应用中心) ; Department of Applied Mechanics, Indian Institute of Technology Delhi(印度理工学院德里应用力学系) ; Yardi School of Artificial Intelligence, Indian Institute of Technology Delhi(印度理工学院德里人工智能学院) ; University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
专题命中 幻觉与事实性 :safety(abstract);trustworthy(abstract);分类 cs.AI、cs.LG
机构 * Google(谷歌)
专题命中 幻觉与事实性 :safety(abstract);AI safety(abstract);分类 cs.CL、cs.AI