3.1 基于一致性的检测
多数方法都基于同一个观察：多次采样的答案相互矛盾，往往意味着模型在编造。这类方法无需访问模型内部。
但它的计算成本较高，需要多次调用模型。
研究者
从数十篇文献，到一份有据可查的综述框架
批量导入论文与讲座，AI 按研究问题、方法与结论归纳观点。每个论断都能回溯原文，新文献随时增量整合。
1
导入文献
导入多篇论文 PDF、讲座视频、网页。
- 方法综述PDF处理中
- 内部探针PDF处理中
- 检索增强PDF处理中
- 为何编造YouTube处理中
- 基准笔记网页处理中
2
精读、批注、笔记
双语对照；转化为易懂版本；高亮、批注；拖拽内容至白板生成卡片笔记。
双窗对照
Detecting Hallucinations in Large Language Models: A Survey
大语言模型幻觉检测：综述
3.1 Consistency-based detection
3.1 基于一致性的检测
When a model is sampled several times on the same question, contradictory answers often indicate fabrication.
对同一问题多次采样时，若答案相互矛盾，往往说明模型在编造。
These methods need no access to model internals, but they require multiple calls per query.
这类方法无需访问模型内部，但每次查询都要多次调用模型。
3.2 Probing internal states
3.2 探测内部状态
Probes trained on hidden activations can flag many hallucinations before the answer is generated.
在隐藏层激活上训练的探针，能在答案生成之前识别出多数幻觉。
- 方法综述
- 内部探针
- 检索增强
- 为何编造
- 基准笔记
研究问题
检测方法
拖到白板，生成卡片
自洽性检验
多次采样的答案相互矛盾，往往意味着模型在编造
方法综述p.123
AI 跨文献整理
按问题、方法、结论、分歧，生成综述白板；每条论断都能回溯原文。
5 份文献
按研究问题、方法、结论、分歧整理这 5 份文献，标好出处。
正在整理 5 份文献
不看模型内部，能否识别幻觉？
方法综述p.3
能否在答案生成前就预警？
内部探针p.2
自洽性检验：多次采样，看答案是否一致
方法综述p.12
内部探针：用隐藏层激活训练检测器
内部探针p.5
检索增强能减少幻觉，但不能根除
检索增强p.9
模型越大，幻觉越少
基准笔记第 2 节
答案一致，是否就等于答对？
为何编造38:05方法综述p.18
在同一组问答基准上，参数量越大的模型，幻觉率越低：从 7B 到 70B，幻觉率下降了一半。
4
持续迭代
新增文献，让 AI 整合至已有内容之上；每处改动，审批后才生效。
3 篇新论文
把新读的 3 篇论文整合进综述，标出和已有结论的分歧
正在整合 3 篇新论文
不看模型内部，能否识别幻觉？
方法综述p.3
能否在答案生成前就预警？
内部探针p.2
自洽性检验：多次采样，看答案是否一致
方法综述p.12
内部探针：用隐藏层激活训练检测器
内部探针p.5
新增
探针在多语言场景同样有效
多语言探针p.4
修改
检索增强能减少幻觉，但不能根除
检索增强能减少幻觉，但在长文本中效果有限
检索增强p.9检索复评p.3
删除
模型越大，幻觉越少
基准笔记第 2 节
答案一致，是否就等于答对？
为何编造38:05方法综述p.18
新增
长文本中，自洽性检验可能失效
长文本检验p.6