热点事件持续更新

GURI：用Token身份做灰盒幻觉检测

1 篇报道1 个报道来源15 小时前更新

先了解这件事

AI 综述

Shaked Goldshtein 等人提出灰盒幻觉检测器 GURI，将候选 Token 概率与逐 Token 向量标识符结合，以弥补仅依赖概率的检测方法忽略 Token 身份的不足。在三个开源权重模型和三个问答基准上，GURI 将平均测试 ROC-AUC 从仅用概率基线的 72.09% 提升到 79.09%；在闭源 GPT-4.1 上从 67.39% 提升到 71.84%。此外，三个开源权重模型间 18 组有向跨模型迁移中，GURI 无需微调即在 17 组上优于迁移后的概率基线；模型固定时，HotpotQA 与 TriviaQA 的跨数据集迁移比迁移后的 LOS-Net 平均 ROC-AUC 高 3.76 个百分点。

AI 根据报道生成 · 2 小时前更新

最新进展10月15日 12:00

GURI：用 Token 身份信息做 LLM 灰盒幻觉检测

报道时间线

沿着报道，了解事件的不同侧面。

10月15日

12:00
arXiv：cs.CL
GURI：用 Token 身份信息做 LLM 灰盒幻觉检测
针对灰盒幻觉检测只依赖概率、忽略候选 Token 身份的问题，研究者提出 GURI，将候选 Token 概率与逐 Token 向量标识符结合。在三个开源权重模型和三个问答基准上，GURI 把平均测试 ROC-AUC 从 72.09% 提升到 79.09%；在闭源 GPT-4.1 上从 67.39% 提升到 71.84%。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。