Buchumschlag

HuDEx: Integrating Hallucination Detection and Explainability for Enhancing the Reliability of LLM responses

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Sujeong, Lee, Hayoung, Heo, Seongsoo, Choi, Wonik
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Integrated Framework for LLM Evaluation with Answer Generation
von: Lee, Sujeong, et al.
Veröffentlicht: (2025)

Mitigating Length Bias in RLHF through a Causal Lens
von: Kim, Hyeonji, et al.
Veröffentlicht: (2025)

Patch Rebirth: Toward Fast and Transferable Model Inversion of Vision Transformers
von: Heo, Seongsoo, et al.
Veröffentlicht: (2025)

Enhancing Hallucination Detection via Future Context
von: Lee, Joosung, et al.
Veröffentlicht: (2025)

DiTTO-LLM: Framework for Discovering Topic-based Technology Opportunities via Large Language Model
von: Kim, Wonyoung, et al.
Veröffentlicht: (2025)

Hallucination Detection: Robustly Discerning Reliable Answers in Large Language Models
von: Chen, Yuyan, et al.
Veröffentlicht: (2024)

A Novel Differential Feature Learning for Effective Hallucination Detection and Classification
von: Wang, Wenkai, et al.
Veröffentlicht: (2025)

Evaluating Behavioral Alignment in Conflict Dialogue: A Multi-Dimensional Comparison of LLM Agents and Humans
von: Kwon, Deuksin, et al.
Veröffentlicht: (2025)

A Graph-Enhanced Defense Framework for Explainable Fake News Detection with LLM
von: Wang, Bo, et al.
Veröffentlicht: (2026)

ICR Probe: Tracking Hidden State Dynamics for Reliable Hallucination Detection in LLMs
von: Zhang, Zhenliang, et al.
Veröffentlicht: (2025)

HALoGEN: Fantastic LLM Hallucinations and Where to Find Them
von: Ravichander, Abhilasha, et al.
Veröffentlicht: (2025)

Probing LLM Hallucination from Within: Perturbation-Driven Approach via Internal Knowledge
von: Lee, Seongmin, et al.
Veröffentlicht: (2024)

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

Enhancing Uncertainty Modeling with Semantic Graph for Hallucination Detection
von: Chen, Kedi, et al.
Veröffentlicht: (2025)

Evaluating Consistencies in LLM responses through a Semantic Clustering of Question Answering
von: Lee, Yanggyu, et al.
Veröffentlicht: (2024)

Steer LLM Latents for Hallucination Detection
von: Park, Seongheon, et al.
Veröffentlicht: (2025)

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

Overview of the EHRSQL 2024 Shared Task on Reliable Text-to-SQL Modeling on Electronic Health Records
von: Lee, Gyubok, et al.
Veröffentlicht: (2024)

RePPL: Recalibrating Perplexity by Uncertainty in Semantic Propagation and Language Generation for Explainable QA Hallucination Detection
von: Huang, Yiming, et al.
Veröffentlicht: (2025)

Fakes of Varying Shades: How Warning Affects Human Perception and Engagement Regarding LLM Hallucinations
von: Nahar, Mahjabin, et al.
Veröffentlicht: (2024)

ShED-HD: A Shannon Entropy Distribution Framework for Lightweight Hallucination Detection on Edge Devices
von: Vathul, Aneesh, et al.
Veröffentlicht: (2025)

DCG-SQL: Enhancing In-Context Learning for Text-to-SQL with Deep Contextual Schema Link Graph
von: Lee, Jihyung, et al.
Veröffentlicht: (2025)

MapCoder-Lite: Distilling Multi-Agent Coding into a Single Small LLM
von: Lee, Woongkyu, et al.
Veröffentlicht: (2025)

Towards Error-Free EHRs: Reasoning-Intensive Consistency Verification Between Clinical Notes and Structured Tables in Electronic Health Records
von: Kwon, Yeonsu, et al.
Veröffentlicht: (2026)

Is LLMs Hallucination Usable? LLM-based Negative Reasoning for Fake News Detection
von: Zhang, Chaowei, et al.
Veröffentlicht: (2025)

Do Benchmarks Underestimate LLM Performance? Evaluating Hallucination Detection With LLM-First Human-Adjudicated Assessment
von: Atasoy, I. F., et al.
Veröffentlicht: (2026)

HalluLens: LLM Hallucination Benchmark
von: Bang, Yejin, et al.
Veröffentlicht: (2025)

Blending Human and LLM Expertise to Detect Hallucinations and Omissions in Mental Health Chatbot Responses
von: Hussain, Khizar, et al.
Veröffentlicht: (2026)

TRUEBench: Can LLM Response Meet Real-world Constraints as Productivity Assistant?
von: Park, Jiho, et al.
Veröffentlicht: (2025)

Enhancing LLM Agent Safety via Causal Influence Prompting
von: Hahm, Dongyoon, et al.
Veröffentlicht: (2025)

Multi-View Attention Multiple-Instance Learning Enhanced by LLM Reasoning for Cognitive Distortion Detection
von: Kim, Jun Seo, et al.
Veröffentlicht: (2025)

StyleDecipher: Robust and Explainable Detection of LLM-Generated Texts with Stylistic Analysis
von: Li, Siyuan, et al.
Veröffentlicht: (2025)

An Investigation Into Explainable Audio Hate Speech Detection
von: An, Jinmyeong, et al.
Veröffentlicht: (2024)

Banishing LLM Hallucinations Requires Rethinking Generalization
von: Li, Johnny, et al.
Veröffentlicht: (2024)

Enhanced Facet Generation with LLM Editing
von: Lee, Joosung, et al.
Veröffentlicht: (2024)

Towards LLM-Centric Multimodal Fusion: A Survey on Integration Strategies and Techniques
von: An, Jisu, et al.
Veröffentlicht: (2025)

H-AdminSim: A Multi-Agent Simulator for Realistic Hospital Administrative Workflows with FHIR Integration
von: Lee, Jun-Min, et al.
Veröffentlicht: (2026)

Enhancing Hallucination Detection through Perturbation-Based Synthetic Data Generation in System Responses
von: Zhang, Dongxu, et al.
Veröffentlicht: (2024)

Bridging Fairness and Explainability: Can Input-Based Explanations Promote Fairness in Hate Speech Detection?
von: Wang, Yifan, et al.
Veröffentlicht: (2025)

Forecasting Future International Events: A Reliable Dataset for Text-Based Event Modeling
von: Gwak, Daehoon, et al.
Veröffentlicht: (2024)