A Lightweight Retrieval-Grounded Framework for Hallucination Detection and Correction in Large Language Models
Dieses Paper schlägt ein leichtgewichtiges, modulares, auf Retrieval basierendes Framework vor, das Halluzinationen in Large Language Models durch die Nutzung von TF-IDF-Evidenz-Retrieval und gewichteter Verifizierung effektiv erkennt und korrigiert und dabei eine hohe Erkennungsgenauigkeit sowie eine signifikante Reduktion von Halluzinationen ohne den Rechenaufwand von Multi-LLM-Inferenz erreicht.