Buchumschlag

Factuality on Demand: Controlling the Factuality-Informativeness Trade-off in Text Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gong, Ziwei, Chen, Yanda, Hirschberg, Julia, Zhao, Chen, He, He, Yu, Zhou, Mckeown, Kathleen
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

LLM Factoscope: Uncovering LLMs' Factual Discernment through Inner States Analysis
von: He, Jinwen, et al.
Veröffentlicht: (2023)

Parallel Structures in Pre-training Data Yield In-Context Learning
von: Chen, Yanda, et al.
Veröffentlicht: (2024)

On the Relation between Sensitivity and Accuracy in In-context Learning
von: Chen, Yanda, et al.
Veröffentlicht: (2022)

RGAR: Recurrence Generation-augmented Retrieval for Factual-aware Medical Question Answering
von: Liang, Sichu, et al.
Veröffentlicht: (2025)

Do Automatic Factuality Metrics Measure Factuality? A Critical Evaluation
von: Ramprasad, Sanjana, et al.
Veröffentlicht: (2024)

OpenFActScore: Open-Source Atomic Evaluation of Factuality in Text Generation
von: Lage, Lucas Fonseca, et al.
Veröffentlicht: (2025)

Generating Benchmarks for Factuality Evaluation of Language Models
von: Muhlgay, Dor, et al.
Veröffentlicht: (2023)

Real-time Factuality Assessment from Adversarial Feedback
von: Chen, Sanxing, et al.
Veröffentlicht: (2024)

InFact: Informativeness Alignment for Improved LLM Factuality
von: Cohen, Roi, et al.
Veröffentlicht: (2025)

Semantic Consistency-Based Uncertainty Quantification for Factuality in Radiology Report Generation
von: Wang, Chenyu, et al.
Veröffentlicht: (2024)

Permutation-Consensus Listwise Judging for Robust Factuality Evaluation
von: Huang, Tianyi, et al.
Veröffentlicht: (2026)

T2I-FactualBench: Benchmarking the Factuality of Text-to-Image Models with Knowledge-Intensive Concepts
von: Huang, Ziwei, et al.
Veröffentlicht: (2024)

Is Factuality Enhancement a Free Lunch For LLMs? Better Factuality Can Lead to Worse Context-Faithfulness
von: Bi, Baolong, et al.
Veröffentlicht: (2024)

Evaluating Robustness of Generative Search Engine on Adversarial Factual Questions
von: Hu, Xuming, et al.
Veröffentlicht: (2024)

Multimodal Multi-loss Fusion Network for Sentiment Analysis
von: Wu, Zehui, et al.
Veröffentlicht: (2023)

FLAME: Factuality-Aware Alignment for Large Language Models
von: Lin, Sheng-Chieh, et al.
Veröffentlicht: (2024)

BARREL: Boundary-Aware Reasoning for Factual and Reliable LRMs
von: Yang, Junxiao, et al.
Veröffentlicht: (2025)

Fast and Accurate Factual Inconsistency Detection Over Long Documents
von: Lattimer, Barrett Martin, et al.
Veröffentlicht: (2023)

FactAlign: Long-form Factuality Alignment of Large Language Models
von: Huang, Chao-Wei, et al.
Veröffentlicht: (2024)

Unveiling Factual Recall Behaviors of Large Language Models through Knowledge Neurons
von: Wang, Yifei, et al.
Veröffentlicht: (2024)

Cracking Factual Knowledge: A Comprehensive Analysis of Degenerate Knowledge Neurons in Large Language Models
von: Chen, Yuheng, et al.
Veröffentlicht: (2024)

Fine-Grained Self-Endorsement Improves Factuality and Reasoning
von: Wang, Ante, et al.
Veröffentlicht: (2024)

FACTORY: A Challenging Human-Verified Prompt Set for Long-Form Factuality
von: Chen, Mingda, et al.
Veröffentlicht: (2025)

Beyond Under-Alignment: Atomic Preference Enhanced Factuality Tuning for Large Language Models
von: Yuan, Hongbang, et al.
Veröffentlicht: (2024)

Editing Factual Knowledge and Explanatory Ability of Medical Large Language Models
von: Xu, Derong, et al.
Veröffentlicht: (2024)

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

Language Models' Factuality Depends on the Language of Inquiry
von: Aggarwal, Tushar, et al.
Veröffentlicht: (2025)

From Confidence to Collapse in LLM Factual Robustness
von: Fastowski, Alina, et al.
Veröffentlicht: (2025)

Factuality of Large Language Models: A Survey
von: Wang, Yuxia, et al.
Veröffentlicht: (2024)

Mechanistic Understanding and Mitigation of Language Model Non-Factual Hallucinations
von: Yu, Lei, et al.
Veröffentlicht: (2024)

Beyond Silent Letters: Amplifying LLMs in Emotion Recognition with Vocal Nuances
von: Wu, Zehui, et al.
Veröffentlicht: (2024)

The Chronicles of RiDiC: Generating Datasets with Controlled Popularity Distribution for Long-form Factuality Evaluation
von: Braslavski, Pavel, et al.
Veröffentlicht: (2026)

Integrative Decoding: Improve Factuality via Implicit Self-consistency
von: Cheng, Yi, et al.
Veröffentlicht: (2024)

PruneCD: Contrasting Pruned Self Model to Improve Decoding Factuality
von: Yu, Byeongho, et al.
Veröffentlicht: (2025)

Factual Inconsistency in Data-to-Text Generation Scales Exponentially with LLM Size: A Statistical Validation
von: Mahapatra, Joy, et al.
Veröffentlicht: (2025)

Aligning Knowledge Graphs and Language Models for Factual Accuracy
von: Nishat, Nur A Zarin, et al.
Veröffentlicht: (2025)

PrefixNLI: Detecting Factual Inconsistencies as Soon as They Arise
von: Harary, Sapir, et al.
Veröffentlicht: (2025)

FAME: Towards Factual Multi-Task Model Editing
von: Zeng, Li, et al.
Veröffentlicht: (2024)

Face4RAG: Factual Consistency Evaluation for Retrieval Augmented Generation in Chinese
von: Xu, Yunqi, et al.
Veröffentlicht: (2024)

Self-Alignment for Factuality: Mitigating Hallucinations in LLMs via Self-Evaluation
von: Zhang, Xiaoying, et al.
Veröffentlicht: (2024)