逻辑一致性作为桥梁：通过响应与自判断间的标签约束建模改进LLM幻觉检测
计算与语言
2026-05-06 v1
摘要
大型语言模型(LLM)容易产生事实性幻觉，危及其在实际应用中的可靠性。现有的幻觉检测器主要提取微观层面的内在模式以进行不确定性量化，或通过言语化提示引出宏观层面的自判断。然而，这些方法仅解决了幻觉的单一层面，要么关注隐式的神经不确定性，要么关注显式的符号推理，从而将这些固有耦合的行为孤立处理，未能利用其相互依赖性以获得整体视角。在本文中，我们提出了LaaB（Logical Consistency-as-a-Bridge，逻辑一致性作为桥梁），一个为幻觉检测桥接神经特征与符号判断的框架。LaaB引入了一个“元判断”过程，将符号标签映射回特征空间。通过利用响应与元判断标签基于自判断语义而相同或相反这一固有逻辑桥梁，LaaB通过相互学习对齐并整合双视角信号，从而增强了幻觉检测。在4个公共数据集、跨4个LLM、针对8个基线的广泛实验证明了LaaB的优越性。
引用
@article{arxiv.2605.03971,
title = {Logical Consistency as a Bridge: Improving LLM Hallucination Detection via Label Constraint Modeling between Responses and Self-Judgments},
author = {Hao Mi and Qiang Sheng and Shaofei Wang and Beizhe Hu and Yifan Sun and Zhengjia Wang and Hengqi Zeng and Yang Li and Danding Wang and Juan Cao},
journal= {arXiv preprint arXiv:2605.03971},
year = {2026}
}
备注
ACL 2026 Main Conference