Buchumschlag

Hallucination Detection and Mitigation with Diffusion in Multi-Variate Time-Series Foundation Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wichitwechkarn, Vijja, Fox, Charles, Choudhary, Ruchi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Annotation-Free One-Shot Imitation Learning for Multi-Step Manipulation Tasks
von: Wichitwechkarn, Vijja, et al.
Veröffentlicht: (2025)

Impact of data for forecasting on performance of model predictive control in buildings with smart energy storage
von: Langtry, Max, et al.
Veröffentlicht: (2024)

Self-contradictory Hallucinations of Large Language Models: Evaluation, Detection and Mitigation
von: Mündler, Niels, et al.
Veröffentlicht: (2023)

Multi-stage Prompt Refinement for Mitigating Hallucinations in Large Language Models
von: Shim, Jung-Woo, et al.
Veröffentlicht: (2025)

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

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

A Concise Review of Hallucinations in LLMs and their Mitigation
von: Pulkundwar, Parth, et al.
Veröffentlicht: (2025)

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

Ever: Mitigating Hallucination in Large Language Models through Real-Time Verification and Rectification
von: Kang, Haoqiang, et al.
Veröffentlicht: (2023)

In-Context Fine-Tuning for Time-Series Foundation Models
von: Das, Abhimanyu, et al.
Veröffentlicht: (2024)

ChatTime: A Unified Multimodal Time Series Foundation Model Bridging Numerical and Textual Data
von: Wang, Chengsen, et al.
Veröffentlicht: (2024)

Efficient Contrastive Decoding with Probabilistic Hallucination Detection - Mitigating Hallucinations in Large Vision Language Models -
von: Fieback, Laura, et al.
Veröffentlicht: (2025)

GRAD: Graph-Retrieved Adaptive Decoding for Hallucination Mitigation
von: Nguyen, Manh, et al.
Veröffentlicht: (2025)

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

Multi-Modal Hallucination Control by Visual Information Grounding
von: Favero, Alessandro, et al.
Veröffentlicht: (2024)

Towards Lightweight Reliability: Using Soft Prompts for Hallucination Mitigation in Large Language Models
von: Siddiqui, S M Tahmid, et al.
Veröffentlicht: (2026)

Lookback Lens: Detecting and Mitigating Contextual Hallucinations in Large Language Models Using Only Attention Maps
von: Chuang, Yung-Sung, et al.
Veröffentlicht: (2024)

Dynamic Attention-Guided Context Decoding for Mitigating Context Faithfulness Hallucinations in Large Language Models
von: Huang, Yanwen, et al.
Veröffentlicht: (2025)

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

A Representation-Level Assessment of Bias Mitigation in Foundation Models
von: Nizhnichenkov, Svetoslav, et al.
Veröffentlicht: (2026)

Fine-Tuning a Time Series Foundation Model with Wasserstein Loss
von: Chernov, Andrei
Veröffentlicht: (2024)

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

SelfCheck-Eval: A Multi-Module Framework for Zero-Resource Hallucination Detection in Large Language Models
von: Muhammed, Diyana, et al.
Veröffentlicht: (2025)

Analyzing and Mitigating Object Hallucination in Large Vision-Language Models
von: Zhou, Yiyang, et al.
Veröffentlicht: (2023)

CPR: Mitigating Large Language Model Hallucinations with Curative Prompt Refinement
von: Shim, Jung-Woo, et al.
Veröffentlicht: (2025)

Gradient-guided Attention Map Editing: Towards Efficient Contextual Hallucination Mitigation
von: Wang, Yu, et al.
Veröffentlicht: (2025)

Train for Truth, Keep the Skills: Binary Retrieval-Augmented Reward Mitigates Hallucinations
von: Chen, Tong, et al.
Veröffentlicht: (2025)

LANCET: Neural Intervention via Structural Entropy for Mitigating Faithfulness Hallucinations in LLMs
von: Wang, Chenxu, et al.
Veröffentlicht: (2026)

Mitigating LLM Hallucinations via Conformal Abstention
von: Yadkori, Yasin Abbasi, et al.
Veröffentlicht: (2024)

On Mitigating Code LLM Hallucinations with API Documentation
von: Jain, Nihal, et al.
Veröffentlicht: (2024)

Generation Constraint Scaling Can Mitigate Hallucination
von: Kollias, Georgios, et al.
Veröffentlicht: (2024)

Chronicle: A Multimodal Foundation Model for Joint Language and Time Series Understanding
von: Quinlan, Paul, et al.
Veröffentlicht: (2026)

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

Hallucinated Span Detection with Multi-View Attention Features
von: Ogasa, Yuya, et al.
Veröffentlicht: (2025)

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

Real-Time Detection of Hallucinated Entities in Long-Form Generation
von: Obeso, Oscar, et al.
Veröffentlicht: (2025)

Monitoring Decoding: Mitigating Hallucination via Evaluating the Factuality of Partial Response during Generation
von: Chang, Yurui, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Fusion: An Ensemble Framework for Mitigating Hallucinations in Large Language Models
von: Dey, Prasenjit, et al.
Veröffentlicht: (2025)

Confidence-Aware Sub-Structure Beam Search (CABS): Mitigating Hallucination in Structured Data Generation with Large Language Models
von: Wei, Chengwei, et al.
Veröffentlicht: (2024)

BRIDGE: Bootstrapping Text to Control Time-Series Generation via Multi-Agent Iterative Optimization and Diffusion Modeling
von: Li, Hao, et al.
Veröffentlicht: (2025)