Buchumschlag

Calibrated Trust in Dealing with LLM Hallucinations: A Qualitative Study

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ryser, Adrian, Allwein, Florian, Schlippe, Tim
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

RubiSCoT: A Framework for AI-Supported Academic Assessment
von: Fröhlich, Thorsten, et al.
Veröffentlicht: (2025)

A Cross-Cultural Assessment of Human Ability to Detect LLM-Generated Fake News about South Africa
von: Schlippe, Tim, et al.
Veröffentlicht: (2025)

Exploring ChatGPT's Empathic Abilities
von: Schaaff, Kristina, et al.
Veröffentlicht: (2023)

A User-Centric Analysis of Explainability in AI-Based Medical Image Diagnosis
von: Wagner, Julia, et al.
Veröffentlicht: (2026)

Classification of Human- and AI-Generated Texts for English, French, German, and Spanish
von: Schaaff, Kristina, et al.
Veröffentlicht: (2023)

Language-Independent Sentiment Labelling with Distant Supervision: A Case Study for English, Sepedi and Setswana
von: Mabokela, Koena Ronny, et al.
Veröffentlicht: (2025)

Large Language Models for Sentiment Analysis to Detect Social Challenges: A Use Case with South African Languages
von: Mabokela, Koena Ronny, et al.
Veröffentlicht: (2025)

Evaluating Retrieval-Augmented Generation Variants for Natural Language-Based SQL and API Call Generation
von: Marketsmüller, Michael, et al.
Veröffentlicht: (2026)

Deep Learning-Based Anomaly Detection in Spacecraft Telemetry on Edge Devices
von: Goetze, Christopher, et al.
Veröffentlicht: (2026)

Assessing Consciousness-Related Behaviors in Large Language Models Using the Maze Test
von: Pimenta, Rui A., et al.
Veröffentlicht: (2025)

Mitigating LLM Hallucination via Behaviorally Calibrated Reinforcement Learning
von: Wu, Jiayun, et al.
Veröffentlicht: (2025)

Benchmarking NLP-supported Language Sample Analysis for Swiss Children's Speech
von: Ryser, Anja, et al.
Veröffentlicht: (2025)

Exploring Trust Calibration in XAI - The Impact of Exposing Model Limitations to Lay Users
von: Ventura, Alfio, et al.
Veröffentlicht: (2026)

Calibrated Language Models Must Hallucinate
von: Kalai, Adam Tauman, et al.
Veröffentlicht: (2023)

Citations and Trust in LLM Generated Responses
von: Ding, Yifan, et al.
Veröffentlicht: (2025)

Uncertainty Awareness and Trust in Explainable AI- On Trust Calibration using Local and Global Explanations
von: Newen, Carina, et al.
Veröffentlicht: (2025)

Epistemic Filtering and Collective Hallucination: A Jury Theorem for Confidence-Calibrated Agents
von: Karge, Jonas
Veröffentlicht: (2026)

Mitigating LLM Hallucinations with Knowledge Graphs: A Case Study
von: Li, Harry, et al.
Veröffentlicht: (2025)

Hallucination in LLM-Based Code Generation: An Automotive Case Study
von: Pavel, Marc, et al.
Veröffentlicht: (2025)

To Trust or Not to Trust: On Calibration in ML-based Resource Allocation for Wireless Networks
von: Raina, Rashika, et al.
Veröffentlicht: (2025)

Shaking to Reveal: Perturbation-Based Detection of LLM Hallucinations
von: Luo, Jinyuan, et al.
Veröffentlicht: (2025)

Evaluating Human Trust in LLM-Based Planners: A Preliminary Study
von: Chen, Shenghui, et al.
Veröffentlicht: (2025)

Cross-Modal Attention Calibration for LVLM Hallucination Mitigation
von: Li, Jiaming, et al.
Veröffentlicht: (2025)

Two Is Better Than One: Aligned Representation Pairs for Anomaly Detection
von: Ryser, Alain, et al.
Veröffentlicht: (2024)

Hallucination Basins: A Dynamic Framework for Understanding and Controlling LLM Hallucinations
von: Cherukuri, Kalyan, et al.
Veröffentlicht: (2026)

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

Can You Trust an LLM with Your Life-Changing Decision? An Investigation into AI High-Stakes Responses
von: Cahyono, Joshua Adrian, et al.
Veröffentlicht: (2025)

MIRAGE-Bench: LLM Agent is Hallucinating and Where to Find Them
von: Zhang, Weichen, et al.
Veröffentlicht: (2025)

Dynamic Trust Calibration Using Contextual Bandits
von: Henrique, Bruno M., et al.
Veröffentlicht: (2025)

TERMS-Bench: Diagnosing LLM Negotiation Agents Beyond Deal Rate
von: Zhang, Erica, et al.
Veröffentlicht: (2026)

HALT-RAG: A Task-Adaptable Framework for Hallucination Detection with Calibrated NLI Ensembles and Abstention
von: Goswami, Saumya, et al.
Veröffentlicht: (2025)

Dealing with Inconsistency for Reasoning over Knowledge Graphs: A Survey
von: Nentidis, Anastasios, et al.
Veröffentlicht: (2025)

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

Can We Trust LLM Detectors?
von: Sandhan, Jivnesh, et al.
Veröffentlicht: (2026)

How Much Do LLMs Hallucinate across Languages? On Realistic Multilingual Estimation of LLM Hallucination
von: Islam, Saad Obaid ul, et al.
Veröffentlicht: (2025)

LLM-based Agents Suffer from Hallucinations: A Survey of Taxonomy, Methods, and Directions
von: Lin, Xixun, et al.
Veröffentlicht: (2025)

Algorithmically Establishing Trust in Evaluators
von: de Wynter, Adrian
Veröffentlicht: (2025)

Learn to Code Sustainably: An Empirical Study on LLM-based Green Code Generation
von: Vartziotis, Tina, et al.
Veröffentlicht: (2024)

LLM-REVal: Can We Trust LLM Reviewers Yet?
von: Li, Rui, et al.
Veröffentlicht: (2025)

CHASD: Language Increment-Calibrated Contrastive Decoding against Hallucination in LVLMs
von: Huang, Xiaoyi, et al.
Veröffentlicht: (2026)