Buchumschlag

A review of faithfulness metrics for hallucination assessment in Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Malin, Ben, Kalganova, Tatiana, Boulgouris, Nikoloas
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Faithfulness metric fusion: Improving the evaluation of LLM trustworthiness across domains
von: Malin, Ben, et al.
Veröffentlicht: (2025)

A comprehensive taxonomy of hallucinations in Large Language Models
von: Cossio, Manuel
Veröffentlicht: (2025)

Are self-explanations from Large Language Models faithful?
von: Madsen, Andreas, et al.
Veröffentlicht: (2024)

A novel hallucination classification framework
von: Zavhorodnii, Maksym, et al.
Veröffentlicht: (2025)

`Generalization is hallucination' through the lens of tensor completions
von: Wong, Liang Ze
Veröffentlicht: (2025)

A multilingual hallucination benchmark: MultiWikiQHalluA
von: Thoresen, Freja, et al.
Veröffentlicht: (2026)

Multilingual Large Language Models and Curse of Multilinguality
von: Gurgurov, Daniil, et al.
Veröffentlicht: (2024)

Probabilistic distances-based hallucination detection in LLMs with RAG
von: Oblovatny, Rodion, et al.
Veröffentlicht: (2025)

Large Language Models for Subjective Language Understanding: A Survey
von: Song, Changhao, et al.
Veröffentlicht: (2025)

Increasing faithfulness in human-human dialog summarization with Spoken Language Understanding tasks
von: Akani, Eunice, et al.
Veröffentlicht: (2024)

Halluverse-M^3: A multitask multilingual benchmark for hallucination in LLMs
von: Abdaljalil, Samir, et al.
Veröffentlicht: (2026)

Trustworthiness of Legal Considerations for the Use of LLMs in Education
von: Alaswad, Sara, et al.
Veröffentlicht: (2025)

BIRD: A Trustworthy Bayesian Inference Framework for Large Language Models
von: Feng, Yu, et al.
Veröffentlicht: (2024)

MHGraphBench: Knowledge Graph-Grounded Benchmarking of Mental Health Knowledge in Large Language Models
von: Liu, Weixin, et al.
Veröffentlicht: (2026)

ACL-Verbatim: hallucination-free question answering for research
von: Recski, Gábor, et al.
Veröffentlicht: (2026)

How do language models learn facts? Dynamics, curricula and hallucinations
von: Zucchet, Nicolas, et al.
Veröffentlicht: (2025)

Do LLM hallucination detectors suffer from low-resource effect?
von: Datta, Debtanu, et al.
Veröffentlicht: (2026)

Is Sarcasm Detection A Step-by-Step Reasoning Process in Large Language Models?
von: Yao, Ben, et al.
Veröffentlicht: (2024)

Diversity Helps Jailbreak Large Language Models
von: Zhao, Weiliang, et al.
Veröffentlicht: (2024)

Large Language Models Are Human-Like Internally
von: Kuribayashi, Tatsuki, et al.
Veröffentlicht: (2025)

DCR-Consistency: Divide-Conquer-Reasoning for Consistency Evaluation and Improvement of Large Language Models
von: Cui, Wendi, et al.
Veröffentlicht: (2024)

Mixture-of-Agents Enhances Large Language Model Capabilities
von: Wang, Junlin, et al.
Veröffentlicht: (2024)

Strong hallucinations from negation and how to fix them
von: Asher, Nicholas, et al.
Veröffentlicht: (2024)

Large Language Models for Multilingual Previously Fact-Checked Claim Detection
von: Vykopal, Ivan, et al.
Veröffentlicht: (2025)

VCE: A zero-cost hallucination mitigation method of LVLMs via visual contrastive editing
von: Huang, Yanbin, et al.
Veröffentlicht: (2026)

AILS-NTUA at SemEval-2024 Task 6: Efficient model tuning for hallucination detection and analysis
von: Grigoriadou, Natalia, et al.
Veröffentlicht: (2024)

Towards Statistical Factuality Guarantee for Large Vision-Language Models
von: Li, Zhuohang, et al.
Veröffentlicht: (2025)

Ask-EDA: A Design Assistant Empowered by LLM, Hybrid RAG and Abbreviation De-hallucination
von: Shi, Luyao, et al.
Veröffentlicht: (2024)

FABLES: Evaluating faithfulness and content selection in book-length summarization
von: Kim, Yekyung, et al.
Veröffentlicht: (2024)

The impact of fine tuning in LLaMA on hallucinations for named entity extraction in legal documentation
von: Vargas, Francisco, et al.
Veröffentlicht: (2025)

Bigger But Not Better: Small Neural Language Models Outperform Large Language Models in Detection of Thought Disorder
von: Li, Changye, et al.
Veröffentlicht: (2025)

Not Your Typical Sycophant: The Elusive Nature of Sycophancy in Large Language Models
von: Natan, Shahar Ben, et al.
Veröffentlicht: (2026)

Markov-Enhanced Clustering for Long Document Summarization: Tackling the 'Lost in the Middle' Challenge with Large Language Models
von: Amari, Aziz, et al.
Veröffentlicht: (2025)

A Context-Aware Dual-Metric Framework for Confidence Estimation in Large Language Models
von: Yuan, Mingruo, et al.
Veröffentlicht: (2025)

CPLLM: Clinical Prediction with Large Language Models
von: Shoham, Ofir Ben, et al.
Veröffentlicht: (2023)

Beyond Textual Context: Structural Graph Encoding with Adaptive Space Alignment to alleviate the hallucination of LLMs
von: Zhang, Yifang, et al.
Veröffentlicht: (2025)

SAC3: Reliable Hallucination Detection in Black-Box Language Models via Semantic-aware Cross-check Consistency
von: Zhang, Jiaxin, et al.
Veröffentlicht: (2023)

Integrating Text and Time-Series into (Large) Language Models to Predict Medical Outcomes
von: Larbi, Iyadh Ben Cheikh, et al.
Veröffentlicht: (2025)

Reducing hallucination in structured outputs via Retrieval-Augmented Generation
von: Béchard, Patrice, et al.
Veröffentlicht: (2024)

SLPL SHROOM at SemEval2024 Task 06: A comprehensive study on models ability to detect hallucination
von: Fallah, Pouya, et al.
Veröffentlicht: (2024)