技术
Hallucination Detection
识别大模型输出中看似合理却与事实或给定资料不符的内容，是保障可靠性的关键环节。
详细解释
大模型基于概率生成文本，可能编造事实、引用不存在的来源或偏离上下文，这类现象称为幻觉。检测方法包括基于外部知识库或检索结果的事实核验、基于模型内部隐状态与不确定性的探针、以及让模型自我一致性投票等。它常用于 RAG 系统与高风险场景的兜底，难点在于细粒度定位与低误报率。
别名与相关写法
hallucination detection
相关术语
相关资讯
研究：决策模型可作低成本幻觉检测裁判，部分类型仍不及 GPT-6 Sol2026/10/28
Mycelium：幻觉检测基准的来源、类型与粒度元研究2026/10/27
SOPO：苏格拉底式策略优化提升片段级幻觉检测2026/10/26
PARCEL：法律幻觉检测的声明级基准2026/10/9
CHORD 提出跨模型幻觉检测新框架2026/10/30
LOTUS：低秩多线性分解检测大模型幻觉2026/10/28
孟加拉语幻觉检测系统：检索加程序执行，Kaggle 私有 F1 达 0.9562026/10/19
alkhder 团队提出多模态幻觉检测方案，CI 降低逾八成2026/10/19