现如今大模型生成报告越来越流行，然而幻觉问题始终影响着报告的可信度。现有方法经常通过 prompt 叮嘱模型小心，或者写完后用幻觉检测查一次。然而，有一种错误这些检查很难查到：数字填写正确，Claim 是错的。例如说大于写成小于，可能写成显著，这些错误不是后测可以检查的。上述错误尤其发生在输入文本中数字非常多的情况下，这种输入包含一堆数字输出是一段人话，一般叫做统计文本生成。例如临床总结、报告生成和 AI 审稿。本文提出 Claim-Locked Reportiing 用于解决此类问题，保证输出报告的重复率和可信度。论文标题： Provenance Before Prose: Claim-Lo
现如今大模型生成报告越来越流行，然而幻觉问题始终影响着报告的可信度。现有方法经常通过 prompt 叮嘱模型小心，或者写完后用幻觉检测查一次。然而，有一种错误这些检查很难查到：数字填写正确，Claim...