A Multi-Layer Framework for Hallucination Detection and Mitigation in Large Language Models Using Retrieval Grounding and Small Language Model Verification
Este artigo propõe uma estrutura de múltiplas camadas que aumenta a confiabilidade factual de grandes modelos de linguagem ao decompor as respostas em alegações atômicas, fundamentá-las com recuperação e verificá-las por meio de um pequeno modelo de linguagem e raciocínio neuro-simbólico, alcançando ganhos de desempenho significativos nos conjuntos de dados HotpotQA e SciFact, enquanto mantém a interpretabilidade e a eficiência computacional.