研究提出了一种新训练协议“敏感神经元丢弃”（SeND），旨在减少大型语言模型训练中的变异性，降低幻觉现象。实验表明，该方法能提高模型测试可靠性达40%。文章还综述了多种幻觉检测与缓解策略，强调模型规模与幻觉可检测性之间的关系。

本文探讨了生成对人类眼睛不可见的物理对抗样本的方法，特别是使用红外光和LED进行攻击。研究表明，在自动驾驶车辆的交通标志识别系统中，攻击成功率可达100%。同时，提出了检测策略和多种攻击方法，强调了对抗性攻击对自动驾驶系统的影响及其安全性改进的必要性。

本文探讨了神经机器翻译中的幻觉问题，提出了多种检测和缓解策略，包括基于不确定性的检测方法和自我检测技术。研究旨在提高大型语言模型的可靠性，支持抑制健康相关的虚假新闻，并强调理解幻觉与注意力误导的区别，以优化模型应用。

本研究探讨社交媒体新闻推送算法对在线对话质量的影响，发现新算法能够促进跨政治观点的建设性对话。同时，研究了虚假新闻的传播特征及检测方法，提出结合情感分析和大型语言模型的假新闻检测策略，以提高检测准确性。