Buchumschlag

JointCQ: Improving Factual Hallucination Detection with Joint Claim and Query Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Fan, Zhang, Huixuan, Zhang, Zhenliang, Wang, Jiahao, Wan, Xiaojun
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

UniAIDet: A Unified and Universal Benchmark for AI-Generated Image Content Detection and Localization
von: Zhang, Huixuan, et al.
Veröffentlicht: (2025)

Quantity Matters: Towards Assessing and Mitigating Number Hallucination in Large Vision-Language Models
von: Zhang, Huixuan, et al.
Veröffentlicht: (2024)

C-FAITH: A Chinese Fine-Grained Benchmark for Automated Hallucination Evaluation
von: Zhang, Xu, et al.
Veröffentlicht: (2025)

Image Matters: A New Dataset and Empirical Study for Multimodal Hyperbole Detection
von: Zhang, Huixuan, et al.
Veröffentlicht: (2023)

M$^{3}$T2IBench: A Large-Scale Multi-Category, Multi-Instance, Multi-Relation Text-to-Image Benchmark
von: Zhang, Huixuan, et al.
Veröffentlicht: (2025)

Re-Thinking the Automatic Evaluation of Image-Text Alignment in Text-to-Image Models
von: Zhang, Huixuan, et al.
Veröffentlicht: (2025)

PaCoST: Paired Confidence Significance Testing for Benchmark Contamination Detection in Large Language Models
von: Zhang, Huixuan, et al.
Veröffentlicht: (2024)

Exploring Causal Effect of Social Bias on Faithfulness Hallucinations in Large Language Models
von: Zhang, Zhenliang, et al.
Veröffentlicht: (2025)

KBE-DME: Dynamic Multimodal Evaluation via Knowledge Enhanced Benchmark Evolution
von: Zhang, Junzhe, et al.
Veröffentlicht: (2025)

How Much To Guide: Revisiting Adaptive Guidance in Classifier-Free Guidance Text-to-Vision Diffusion Models
von: Zhang, Huixuan, et al.
Veröffentlicht: (2025)

One SPACE to Rule Them All: Jointly Mitigating Factuality and Faithfulness Hallucinations in LLMs
von: Wang, Pengbo, et al.
Veröffentlicht: (2025)

SCOPE: Intrinsic Semantic Space Control for Mitigating Copyright Infringement in LLMs
von: Zhang, Zhenliang, et al.
Veröffentlicht: (2025)

EAMA : Entity-Aware Multimodal Alignment Based Approach for News Image Captioning
von: Zhang, Junzhe, et al.
Veröffentlicht: (2024)

Exploring and Evaluating Multimodal Knowledge Reasoning Consistency of Multimodal Large Language Models
von: Jia, Boyu, et al.
Veröffentlicht: (2025)

HAD: HAllucination Detection Language Models Based on a Comprehensive Hallucination Taxonomy
von: Xu, Fan, et al.
Veröffentlicht: (2025)

MC-MKE: A Fine-Grained Multimodal Knowledge Editing Benchmark Emphasizing Modality Consistency
von: Zhang, Junzhe, et al.
Veröffentlicht: (2024)

Joint Evaluation of Answer and Reasoning Consistency for Hallucination Detection in Large Reasoning Models
von: Wang, Changyue, et al.
Veröffentlicht: (2025)

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

Improving Harmful Text Detection with Joint Retrieval and External Knowledge
von: Yu, Zidong, et al.
Veröffentlicht: (2025)

Towards Effective Extraction and Evaluation of Factual Claims
von: Metropolitansky, Dasha, et al.
Veröffentlicht: (2025)

MINOS: A Multimodal Evaluation Model for Bidirectional Generation Between Image and Text
von: Zhang, Junzhe, et al.
Veröffentlicht: (2025)

Core: Robust Factual Precision with Informative Sub-Claim Identification
von: Jiang, Zhengping, et al.
Veröffentlicht: (2024)

WildHallucinations: Evaluating Long-form Factuality in LLMs with Real-World Entity Queries
von: Zhao, Wenting, et al.
Veröffentlicht: (2024)

All Claims Are Equal, but Some Claims Are More Equal Than Others: Importance-Sensitive Factuality Evaluation of LLM Generations
von: Wanner, Miriam, et al.
Veröffentlicht: (2025)

Enhancing LLM Factual Accuracy with RAG to Counter Hallucinations: A Case Study on Domain-Specific Queries in Private Knowledge-Bases
von: Li, Jiarui, et al.
Veröffentlicht: (2024)

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

Exploring the Generalizability of Factual Hallucination Mitigation via Enhancing Precise Knowledge Utilization
von: Zhang, Siyuan, et al.
Veröffentlicht: (2025)

KnowHalu: Hallucination Detection via Multi-Form Knowledge Based Factual Checking
von: Zhang, Jiawei, et al.
Veröffentlicht: (2024)

Evaluating, Understanding, and Improving Constrained Text Generation for Large Language Models
von: Chen, Xiang, et al.
Veröffentlicht: (2023)

AFaCTA: Assisting the Annotation of Factual Claim Detection with Reliable LLM Annotators
von: Ni, Jingwei, et al.
Veröffentlicht: (2024)

PretrainRL: Alleviating Factuality Hallucination of Large Language Models at the Beginning
von: Liu, Langming, et al.
Veröffentlicht: (2026)

SCOUT: Active Information Foraging for Long-Text Understanding with Decoupled Epistemic States
von: Zhang, Zhenliang, et al.
Veröffentlicht: (2026)

BiT-MCTS: A Theme-based Bidirectional MCTS Approach to Chinese Fiction Generation
von: Li, Zhaoyi, et al.
Veröffentlicht: (2026)

Understanding New-Knowledge-Induced Factual Hallucinations in LLMs: Analysis and Interpretation
von: Dang, Renfei, et al.
Veröffentlicht: (2025)

AutoHall: Automated Factuality Hallucination Dataset Generation for Large Language Models
von: Cao, Zouying, et al.
Veröffentlicht: (2023)

Localizing Factual Inconsistencies in Attributable Text Generation
von: Cattan, Arie, et al.
Veröffentlicht: (2024)

MUCH: A Multilingual Claim Hallucination Benchmark
von: Dentan, Jérémie, et al.
Veröffentlicht: (2025)

Merging Facts, Crafting Fallacies: Evaluating the Contradictory Nature of Aggregated Factual Claims in Long-Form Generations
von: Chiang, Cheng-Han, et al.
Veröffentlicht: (2024)

FENICE: Factuality Evaluation of summarization based on Natural language Inference and Claim Extraction
von: Scirè, Alessandro, et al.
Veröffentlicht: (2024)