时间多信号融合用于Token级幻觉检测

摘要

该论文提出将幻觉视为时间上延展的跨度，通过序列标注检测幻觉。每个token由33维特征流评分，融合文本统计、自然语言推理蕴含和语言模型惊异度，无需访问模型内部。基于双向门控循环单元（BiGRU）的检测器在RAGTruth上达到0.840的AUC（10个种子），较独立逻辑回归基线提升11点（p=0.002，Wilcoxon符号秩检验）。受控分解显示主要增益来自时间顺序而非模型容量，证据从置信位置传播到模糊邻居。相同0.845上限在循环、状态空间（Mamba）和注意力架构中复现，表明瓶颈在特征集而非模型。该检测器仅读生成文本和外部信号，因此适用于闭源模型，并在未见过的语言模型生成文本上保持性能，AUC损失低于4%。