Buchumschlag

MMD-Flagger: Leveraging Maximum Mean Discrepancy to Detect Hallucinations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mitsuzawa, Kensuke, Garreau, Damien
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Word Sense Detection Leveraging Maximum Mean Discrepancy
von: Mitsuzawa, Kensuke
Veröffentlicht: (2025)

Variable Selection in Maximum Mean Discrepancy for Interpretable Distribution Comparison
von: Mitsuzawa, Kensuke, et al.
Veröffentlicht: (2023)

Detecting Machine-Generated Texts by Multi-Population Aware Optimization for Maximum Mean Discrepancy
von: Zhang, Shuhai, et al.
Veröffentlicht: (2024)

Comparing Feature Importance and Rule Extraction for Interpretability on Text Data
von: Lopardo, Gianluigi, et al.
Veröffentlicht: (2022)

Faithful and Robust Local Interpretability for Textual Predictions
von: Lopardo, Gianluigi, et al.
Veröffentlicht: (2023)

Towards Understanding Steering Strength
von: Taimeskhanov, Magamed, et al.
Veröffentlicht: (2026)

Attention Meets Post-hoc Interpretability: A Mathematical Perspective
von: Lopardo, Gianluigi, et al.
Veröffentlicht: (2024)

Understanding Post-hoc Explainers: The Case of Anchors
von: Lopardo, Gianluigi, et al.
Veröffentlicht: (2023)

A Sea of Words: An In-Depth Analysis of Anchors for Text Data
von: Lopardo, Gianluigi, et al.
Veröffentlicht: (2022)

Leveraging Graph Structures to Detect Hallucinations in Large Language Models
von: Nonkes, Noa, et al.
Veröffentlicht: (2024)

MMD-OPT : Maximum Mean Discrepancy Based Sample Efficient Collision Risk Minimization for Autonomous Driving
von: Sharma, Basant, et al.
Veröffentlicht: (2024)

Leveraging NTPs for Efficient Hallucination Detection in VLMs
von: Azachi, Ofir, et al.
Veröffentlicht: (2025)

Time-MMD: Multi-Domain Multimodal Dataset for Time Series Analysis
von: Liu, Haoxin, et al.
Veröffentlicht: (2024)

MALTO at SemEval-2024 Task 6: Leveraging Synthetic Data for LLM Hallucination Detection
von: Borra, Federico, et al.
Veröffentlicht: (2024)

Sample-Efficient Human Evaluation of Large Language Models via Maximum Discrepancy Competition
von: Feng, Kehua, et al.
Veröffentlicht: (2024)

Detecting AI Hallucinations in Finance: An Information-Theoretic Method Cuts Hallucination Rate by 92%
von: Singha, Mainak
Veröffentlicht: (2025)

On the Optimization Landscape of Maximum Mean Discrepancy
von: Alon, Itai, et al.
Veröffentlicht: (2021)

HaloScope: Harnessing Unlabeled LLM Generations for Hallucination Detection
von: Du, Xuefeng, et al.
Veröffentlicht: (2024)

Temporal Graph Network: Hallucination Detection in Multi-Turn Conversation
von: Rathore, Vidhi, et al.
Veröffentlicht: (2026)

A Deterministic Sampling Method via Maximum Mean Discrepancy Flow with Adaptive Kernel
von: Chen, Yindong, et al.
Veröffentlicht: (2021)

Leveraging Language Models to Detect Greenwashing
von: Vinella, Avalon, et al.
Veröffentlicht: (2023)

Beyond ROUGE: N-Gram Subspace Features for LLM Hallucination Detection
von: Li, Jerry, et al.
Veröffentlicht: (2025)

RAGognizer: Hallucination-Aware Fine-Tuning via Detection Head Integration
von: Ridder, Fabian, et al.
Veröffentlicht: (2026)

InterrogateLLM: Zero-Resource Hallucination Detection in LLM-Generated Answers
von: Yehuda, Yakir, et al.
Veröffentlicht: (2024)

Attention Sinks as Internal Signals for Hallucination Detection in Large Language Models
von: Binkowski, Jakub, et al.
Veröffentlicht: (2026)

Resolving Discrepancies in Compute-Optimal Scaling of Language Models
von: Porian, Tomer, et al.
Veröffentlicht: (2024)

M3D: Dataset Condensation by Minimizing Maximum Mean Discrepancy
von: Zhang, Hansong, et al.
Veröffentlicht: (2023)

Learning to Reason for Hallucination Span Detection
von: Su, Hsuan, et al.
Veröffentlicht: (2025)

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

Cost-Effective Hallucination Detection for LLMs
von: Valentin, Simon, et al.
Veröffentlicht: (2024)

Hallucination Detection and Mitigation with Diffusion in Multi-Variate Time-Series Foundation Models
von: Wichitwechkarn, Vijja, et al.
Veröffentlicht: (2025)

Detection Without Correction: A Robust Asymmetry in Activation-Based Hallucination Probing
von: Roy, Dip, et al.
Veröffentlicht: (2026)

The Risks of Recourse in Binary Classification
von: Fokkema, Hidde, et al.
Veröffentlicht: (2023)

Smoothing Out Hallucinations: Mitigating LLM Hallucination with Smoothed Knowledge Distillation
von: Nguyen, Hieu, et al.
Veröffentlicht: (2025)

A Practical Introduction to Kernel Discrepancies: MMD, HSIC & KSD
von: Schrab, Antonin
Veröffentlicht: (2025)

TraceDet: Hallucination Detection from the Decoding Trace of Diffusion Large Language Models
von: Chang, Shenxu, et al.
Veröffentlicht: (2025)

Detecting Token-Level Hallucinations Using Variance Signals: A Reference-Free Approach
von: Kumar, Keshav
Veröffentlicht: (2025)

Evaluating Evaluation Metrics -- The Mirage of Hallucination Detection
von: Kulkarni, Atharva, et al.
Veröffentlicht: (2025)

CAM-Based Methods Can See through Walls
von: Taimeskhanov, Magamed, et al.
Veröffentlicht: (2024)

Margin Discrepancy-based Adversarial Training for Multi-Domain Text Classification
von: Wu, Yuan
Veröffentlicht: (2024)