Buchumschlag

Mechanistic Understanding and Mitigation of Language Model Non-Factual Hallucinations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yu, Lei, Cao, Meng, Cheung, Jackie Chi Kit, Dong, Yue
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

$(RSA)^2$: A Rhetorical-Strategy-Aware Rational Speech Act Framework for Figurative Language Understanding
von: Piano, Cesare Spinoso-Di, et al.
Veröffentlicht: (2025)

PreSumm: Predicting Summarization Performance Without Summarizing
von: Koniaev, Steven, et al.
Veröffentlicht: (2025)

Improving the Calibration of Confidence Scores in Text Generation Using the Output Distribution's Characteristics
von: Flores, Lorenzo Jaime Yu, et al.
Veröffentlicht: (2025)

Can Vision Language Models Be Adaptive in Mathematics Education? A Learner Model-based Rubric Study
von: Gao, Jie, et al.
Veröffentlicht: (2026)

Self-Alignment for Factuality: Mitigating Hallucinations in LLMs via Self-Evaluation
von: Zhang, Xiaoying, et al.
Veröffentlicht: (2024)

$\texttt{COSMIC}$: Mutual Information for Task-Agnostic Summarization Evaluation
von: Darrin, Maxime, et al.
Veröffentlicht: (2024)

Hallucination Detection with Small Language Models
von: Cheung, Ming
Veröffentlicht: (2025)

REFIND at SemEval-2025 Task 3: Retrieval-Augmented Factuality Hallucination Detection in Large Language Models
von: Lee, DongGeon, et al.
Veröffentlicht: (2025)

Mitigating Geospatial Knowledge Hallucination in Large Language Models: Benchmarking and Dynamic Factuality Aligning
von: Wang, Shengyuan, et al.
Veröffentlicht: (2025)

Detection and Mitigation of Hallucination in Large Reasoning Models: A Mechanistic Perspective
von: Sun, Zhongxiang, et al.
Veröffentlicht: (2025)

Mitigating Multilingual Hallucination in Large Vision-Language Models
von: Qu, Xiaoye, et al.
Veröffentlicht: (2024)

Stochastic Chameleons: Irrelevant Context Hallucinations Reveal Class-Based (Mis)Generalization in LLMs
von: Cheng, Ziling, et al.
Veröffentlicht: (2025)

An Evolutionary Large Language Model for Hallucination Mitigation
von: Boulesnane, Abdennour, et al.
Veröffentlicht: (2024)

When Personalization Misleads: Understanding and Mitigating Hallucinations in Personalized LLMs
von: Sun, Zhongxiang, et al.
Veröffentlicht: (2026)

On Early Detection of Hallucinations in Factual Question Answering
von: Snyder, Ben, et al.
Veröffentlicht: (2023)

Mitigating Hallucinations in Large Language Models via Causal Reasoning
von: Li, Yuangang, et al.
Veröffentlicht: (2025)

Towards Understanding Continual Factual Knowledge Acquisition of Language Models: From Theory to Algorithm
von: Wang, Haoyu, et al.
Veröffentlicht: (2026)

Copy-Paste to Mitigate Large Language Model Hallucinations
von: Long, Yongchao, et al.
Veröffentlicht: (2025)

Theoretical Foundations and Mitigation of Hallucination in Large Language Models
von: Gumaan, Esmail
Veröffentlicht: (2025)

Mechanistic Indicators of Understanding in Large Language Models
von: Beckmann, Pierre, et al.
Veröffentlicht: (2025)

One SPACE to Rule Them All: Jointly Mitigating Factuality and Faithfulness Hallucinations in LLMs
von: Wang, Pengbo, et al.
Veröffentlicht: (2025)

Whispers that Shake Foundations: Analyzing and Mitigating False Premise Hallucinations in Large Language Models
von: Yuan, Hongbang, et al.
Veröffentlicht: (2024)

Error Diversity Matters: An Error-Resistant Ensemble Method for Unsupervised Dependency Parsing
von: Shayegh, Behzad, et al.
Veröffentlicht: (2024)

Alleviating Hallucinations of Large Language Models through Induced Hallucinations
von: Zhang, Yue, et al.
Veröffentlicht: (2023)

How Teachers Can Use Large Language Models and Bloom's Taxonomy to Create Educational Quizzes
von: Elkins, Sabina, et al.
Veröffentlicht: (2024)

Reasoning Models Hallucinate More: Factuality-Aware Reinforcement Learning for Large Reasoning Models
von: Li, Junyi, et al.
Veröffentlicht: (2025)

Counterfactual Probing for Hallucination Detection and Mitigation in Large Language Models
von: Feng, Yijun
Veröffentlicht: (2025)

Hallucination to Truth: A Review of Fact-Checking and Factuality Evaluation in Large Language Models
von: Rahman, Subhey Sadi, et al.
Veröffentlicht: (2025)

HICD: Hallucination-Inducing via Attention Dispersion for Contrastive Decoding to Mitigate Hallucinations in Large Language Models
von: Jiang, Xinyan, et al.
Veröffentlicht: (2025)

Hallucination Detection and Hallucination Mitigation: An Investigation
von: Luo, Junliang, et al.
Veröffentlicht: (2024)

Delta -- Contrastive Decoding Mitigates Text Hallucinations in Large Language Models
von: Huang, Cheng Peng, et al.
Veröffentlicht: (2025)

Noise Augmented Fine Tuning for Mitigating Hallucinations in Large Language Models
von: Khadangi, Afshin, et al.
Veröffentlicht: (2025)

Language Models' Factuality Depends on the Language of Inquiry
von: Aggarwal, Tushar, et al.
Veröffentlicht: (2025)

Mitigating Hallucinated Translations in Large Language Models with Hallucination-focused Preference Optimization
von: Tang, Zilu, et al.
Veröffentlicht: (2025)

WildHallucinations: Evaluating Long-form Factuality in LLMs with Real-World Entity Queries
von: Zhao, Wenting, et al.
Veröffentlicht: (2024)

MALM: A Multi-Information Adapter for Large Language Models to Mitigate Hallucination
von: Jia, Ao, et al.
Veröffentlicht: (2025)

Investigating and Mitigating the Multimodal Hallucination Snowballing in Large Vision-Language Models
von: Zhong, Weihong, et al.
Veröffentlicht: (2024)

Beyond Sparse Rewards: Enhancing Reinforcement Learning with Language Model Critique in Text Generation
von: Cao, Meng, et al.
Veröffentlicht: (2024)

Factuality of Large Language Models: A Survey
von: Wang, Yuxia, et al.
Veröffentlicht: (2024)

Generating Benchmarks for Factuality Evaluation of Language Models
von: Muhlgay, Dor, et al.
Veröffentlicht: (2023)