11:51arXiv cs.LG@Anand Kamat, Daniel Blake, Brent M. WernessGrad Detect 是一种通过分析大语言模型推理时逐层梯度模式来检测幻觉的方法。在多个 Q&A 基准(如 TriviaQA、Natural Questions)上,Grad Detect 在幻觉检测和模型弃权预测任务中均优于基于置信度或采样的基线。层消融实验覆盖 11 个模型和 4 种架构,发现最后 5 个层集中了超过 97% 的判别梯度信号,因此可实现高效部署。该方法为评估 LLM 可靠性提供了统一框架,兼具高预测性能和可解释性。论文Grad Detect幻觉检测LLM梯度分析AI安全推荐理由:这篇论文教你用梯度信号抓幻觉,比看置信度准得多,而且发现只看最后5层就够了,省算力。原文