A Trust-Aware Framework for Hallucination Detection and Accuracy Paradox Analysis in Large Language Models
Este artigo apresenta o TrustSLM, um framework consciente de confiança que agrega saídas de múltiplos modelos de linguagem de grande escala utilizando métricas de confiabilidade para detectar alucinações, identificar o paradoxo da precisão de erros excessivamente confiantes e regular respostas por meio de uma política de abstenção controlada para uma implantação de IA mais segura.