RePPL: Recalibrating Perplexity through Uncertainty in Semantic Propagation and Language Generation for Explainable QA Hallucination Detection
原文英文，约100词，阅读约需1分钟。
📝
内容提要
该研究提出RePPL方法，旨在提升大型语言模型在幻觉检测中的解释能力。通过重新校准不确定性测量，提供可解释的标记级不确定性分数。实验结果显示，该方法在问答数据集上表现优异，揭示了幻觉的混乱模式，具有广泛的应用潜力。
🏷️
