A Survey of LLM Hallucination Detection and Mitigation Methods |大语言模型幻觉检测与缓解方法综述
大语言模型(LLM)在生成流畅文本时频繁产生事实性错误,即幻觉,这严重阻碍了其在医疗、法律等高风险领域的可靠部署。早期研究主要依赖外部知识库核查或多次采样一致性验证,思路直观但受限于高昂的计算成本与有限的知识覆盖范围。当高置信度幻觉暴露出传统概率信号的失效后,研究范式发生关键转折,从黑盒外部验证转向白盒内部表征探测,利用隐藏状态中的可解码信号实现实时检测。随着推理模型和多模态大模型的普及,问题边界进一步扩展至推理链逻辑断裂与视觉-语言对齐失败,促使方法从静态分类向动态解码干预和强化学习激励弃权演进。各路线在...