【NeurIPS 2024】HaloScope：利用未标记的大型语言模型生成进行幻觉检测

大型语言模型（LLMs）应用的激增引发了人们对生成误导性或虚假信息（即幻觉）的担忧。因此，检测幻觉已成为维护 LLM 生成内容可信度的关键。学习真实分类器的一大挑战是缺乏大量标记的真实和幻觉数据。为了解决这一挑战，我们推出了 HaloScope，这是一种新颖的学习框架，利用未标记的 LLM 生成文本进行幻觉检测。 这种未标记数据在 LLM 部署到开放世界时自由产生，包含真实和幻觉信息。为了有效利用这些未标记数据，我们提出了一种自动化的成员资格估计评分，用于区分未标记混合数据中的真实与不真实生成，从而实现二元真实分类器的训练。重要的是，我们的框架不需要额外的数据收集和人工标注，为实际应用提供了很大的灵活性和可行性。大量实验表明，HaloScope 在幻觉检测性能上表现优越，显著超过了竞争对手。代码可在 https://github.com/deeplearning-wisc/haloscope 获取。