Buchumschlag

A Novel Differential Feature Learning for Effective Hallucination Detection and Classification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Wenkai, Lee, Vincent, Zheng, Yizhen
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

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

Enhancing Source Code Classification Effectiveness via Prompt Learning Incorporating Knowledge Features
von: Ma, Yong, et al.
Veröffentlicht: (2024)

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

HD-NDEs: Neural Differential Equations for Hallucination Detection in LLMs
von: Li, Qing, et al.
Veröffentlicht: (2025)

Towards Long Context Hallucination Detection
von: Liu, Siyi, et al.
Veröffentlicht: (2025)

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

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

HuDEx: Integrating Hallucination Detection and Explainability for Enhancing the Reliability of LLM responses
von: Lee, Sujeong, et al.
Veröffentlicht: (2025)

Hallucination Detection in LLMs Using Spectral Features of Attention Maps
von: Binkowski, Jakub, et al.
Veröffentlicht: (2025)

CCHall: A Novel Benchmark for Joint Cross-Lingual and Cross-Modal Hallucinations Detection in Large Language Models
von: Zhang, Yongheng, et al.
Veröffentlicht: (2025)

SCALM: Detecting Bad Practices in Smart Contracts Through LLMs
von: Li, Zongwei, et al.
Veröffentlicht: (2025)

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

LLM Lies: Hallucinations are not Bugs, but Features as Adversarial Examples
von: Yao, Jia-Yu, et al.
Veröffentlicht: (2023)

LettuceDetect: A Hallucination Detection Framework for RAG Applications
von: Kovács, Ádám, et al.
Veröffentlicht: (2025)

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

FaithLens: Detecting and Explaining Faithfulness Hallucination
von: Si, Shuzheng, et al.
Veröffentlicht: (2025)

Neural Probe-Based Hallucination Detection for Large Language Models
von: Liang, Shize, et al.
Veröffentlicht: (2025)

Joint Learning of Local and Global Features for Aspect-based Sentiment Classification
von: Niu, Hao, et al.
Veröffentlicht: (2023)

HalluSAE: Detecting Hallucinations in Large Language Models via Sparse Auto-Encoders
von: Chen, Boshui, et al.
Veröffentlicht: (2026)

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

Hallucination Detection with the Internal Layers of LLMs
von: Preiß, Martin
Veröffentlicht: (2025)

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

From Out-of-Distribution Detection to Hallucination Detection: A Geometric View
von: Liu, Litian, et al.
Veröffentlicht: (2026)

HARP: Hallucination Detection via Reasoning Subspace Projection
von: Hu, Junjie, et al.
Veröffentlicht: (2025)

SHROOM-INDElab at SemEval-2024 Task 6: Zero- and Few-Shot LLM-Based Classification for Hallucination Detection
von: Allen, Bradley P., et al.
Veröffentlicht: (2024)

Seeing Through the Fog: A Cost-Effectiveness Analysis of Hallucination Detection Systems
von: Thomas, Alexander, et al.
Veröffentlicht: (2024)

Decoding Memories: An Efficient Pipeline for Self-Consistency Hallucination Detection
von: Gao, Weizhi, et al.
Veröffentlicht: (2025)

The System Hallucination Scale (SHS): A Minimal yet Effective Human-Centered Instrument for Evaluating Hallucination-Related Behavior in Large Language Models
von: Müller, Heimo, et al.
Veröffentlicht: (2026)

Turk-LettuceDetect: A Hallucination Detection Models for Turkish RAG Applications
von: Taş, Selva, et al.
Veröffentlicht: (2025)

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

Unsupervised Hallucination Detection by Inspecting Reasoning Processes
von: Srey, Ponhvoan, et al.
Veröffentlicht: (2025)

Comparing Hallucination Detection Metrics for Multilingual Generation
von: Kang, Haoqiang, et al.
Veröffentlicht: (2024)

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

Sanity Checks for Long-Form Hallucination Detection
von: Zollicoffer, Geigh, et al.
Veröffentlicht: (2026)

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

A Novel Approach to Eliminating Hallucinations in Large Language Model-Assisted Causal Discovery
von: Sng, Grace, et al.
Veröffentlicht: (2024)

$\text{M}^{2}$LLM: Multi-view Molecular Representation Learning with Large Language Models
von: Ju, Jiaxin, et al.
Veröffentlicht: (2025)

Aligning Large Language Models to Follow Instructions and Hallucinate Less via Effective Data Filtering
von: Si, Shuzheng, et al.
Veröffentlicht: (2025)

SINdex: Semantic INconsistency Index for Hallucination Detection in LLMs
von: Abdaljalil, Samir, et al.
Veröffentlicht: (2025)

VeriTrail: Closed-Domain Hallucination Detection with Traceability
von: Metropolitansky, Dasha, et al.
Veröffentlicht: (2025)