[논문리뷰] Mycelium: A Meta-Study of Hallucination Detection Across Provenance, Typology, and Granularities본 논문은 다양한 할루시네이션 탐지(Hallucination Detection) 방법론들이 서로 다른 정의와 측정 기준을 가진 벤치마크에서 평가됨에 따라 발생하는 결과 비교의 불투명성 문제를 해결하고자 합니다.#Review#Hallucination Detection#Meta-Study#Benchmark#Granularity#Provenance#Typology#Span Coverage F12026년 10월 26일댓글 수 로딩 중
[논문리뷰] Where Does Retrieval-Based Open-Ended Evaluation Fail? Automatic Taxonomy Induction from Long-Form Medical Answer Factuality Verification본 논문은 Retrieval-based Factuality Evaluation의 주류 패러다임인 'retrieve-then-verify' 방식이 실제 임상과 같은 고위험 환경에서 왜 실패하는지를 규명하고자 합니다.#Review#Medical Factuality Evaluation#Retrieval-Augmented Generation (RAG)#Hallucination Detection#Error Taxonomy#Automatic Pattern Induction#LLM-as-Judge2026년 10월 4일댓글 수 로딩 중
[논문리뷰] Enoki: Efficient Multi-Level Hallucination Detection본 논문은 LLM의 환각(Hallucination) 문제를 효과적으로 탐지하고, 단순한 이진 판단을 넘어 상세한 국소화(Localization) 피드백을 제공하는 것을 목표로 합니다.#Review#Hallucination Detection#Open Information Extraction#Fact Verification#Span Localization#Multi-granular#Large Language Models2026년 9월 6일댓글 수 로딩 중
[논문리뷰] SpanCalib-VLM: Calibrated Hallucination Span Detection in Vision-Language ModelsLarge Vision-Language Models (LVLMs)는 Visual Question Answering 및 Multimodal Reasoning 분야에서 상당한 발전을 이루었지만, 여전히 이미지 내용을 잘못 설명하는 Visual Hallucination 문제에 직면해 있다.#Review#Hallucination Detection#Vision-Language Models#Calibration#Sequence Tagger#Generative VLM#Hybrid System#Span Detection#Multimodal Fusion2026년 8월 31일댓글 수 로딩 중
[논문리뷰] Temporal Multi-Signal Fusion for Token-Level Hallucination Detection본 논문은 Large Language Models (LLMs)이 유창하지만 종종 사실과 다른 텍스트를 생성하는 문제, 특히 Retrieval-Augmented Generation (RAG) 시스템에서 단일 환각 주장이 중요한 하류 결정에 치명적인 영향을 미칠 수 있음에 주목합니다.#Review#Hallucination Detection#Large Language Models (LLMs)#Sequence Labeling#Temporal Multi-Signal Fusion#Retrieval-Augmented Generation (RAG)#Token-Level2026년 8월 19일댓글 수 로딩 중
[논문리뷰] UniProbe: A Learnable Token-Level Hallucination Detector for Large VLMs using Multi-Structural Internal Representations본 논문은 LVLM이 생성하는 할루시네이션을 토큰 수준에서 정확하게 탐지하고 완화하는 문제를 해결합니다.#Review#Large Vision-Language Models#Hallucination Detection#Computational-trace Graph#GNN#ViT#GRU#Hallucination-aware Decoding2026년 8월 16일댓글 수 로딩 중
[논문리뷰] Reasoning Denoiser: Denoising Reasoning Traces for Hallucination Detection in Large Reasoning Models본 논문은 LRM이 생성하는 긴 추론 과정에 포함된 노이즈가 오히려 Hallucination 탐지를 방해한다는 문제를 해결하고자 합니다. 기존 연구들은 전체 추론 흔적을 그대로 사용하거나 단순한 통계적 방식을 적용하여 이러한 노이즈를 걸러내지 못했습니다.#Review#Large Reasoning Models#Hallucination Detection#Reasoning Traces#Denoising#Representation Learning#Attention Mechanism2026년 7월 27일댓글 수 로딩 중
[논문리뷰] Quickest Detection of Hallucination Onset: Delay Bounds and Learned CUSUM Statistics본 논문은 LLM의 환각(Hallucination) 탐지를 단순한 분류(Classification) 문제가 아닌 스트리밍 환경에서의 Sequential Change-Point Detection 문제로 재정의합니다.#Review#Sequential Change-Point Detection#Hallucination Detection#CUSUM#Lorden Bound#Information Rate#Autoregressive Model2026년 6월 14일댓글 수 로딩 중
[논문리뷰] QuCo-RAG: Quantifying Uncertainty from the Pre-training Corpus for Dynamic Retrieval-Augmented Generation대규모 언어 모델(LLM)의 내부 신호(예: logits, 엔트로피)가 부정확한 예측에 대해 종종 높은 확신을 보이는 등 신뢰할 수 없다는 문제점을 해결하고자 합니다.#Review#Dynamic RAG#Hallucination Detection#Corpus Statistics#Uncertainty Quantification#Pre-training Data#LLM Calibration#Infini-gram#Multi-hop QA2025년 12월 22일댓글 수 로딩 중
[논문리뷰] AlignBench: Benchmarking Fine-Grained Image-Text Alignment with Synthetic Image-Caption Pairs기존 벤치마크들이 규칙 기반 교란이나 짧은 캡션에 의존하여 미세한 이미지-텍스트 정렬 능력을 측정하는 데 한계가 있음을 지적하며, AlignBench 라는 새로운 벤치마크를 통해 VLM의 미세한 이미지-텍스트 정렬 능력 을 평가하는 것을 목표로 합니다.#Review#Image-Text Alignment#Multimodal Benchmarking#Hallucination Detection#Vision-Language Models#Synthetic Data Generation#Fine-Grained Analysis#Captioning2025년 12월 3일댓글 수 로딩 중
[논문리뷰] HaluMem: Evaluating Hallucinations in Memory Systems of Agents본 논문은 LLM 및 AI 에이전트의 장기 학습 및 지속적인 상호작용을 가능하게 하는 메모리 시스템에서 발생하는 기억 환각(memory hallucinations) 문제를 해결하고자 합니다.#Review#Memory Systems#AI Agents#Hallucination Detection#Evaluation Benchmark#Long-term Memory#Memory Extraction#Memory Updating#Question Answering2025년 11월 10일댓글 수 로딩 중
[논문리뷰] Multi-Step Knowledge Interaction Analysis via Rank-2 Subspace Disentanglement본 논문은 대규모 언어 모델(LLMs)이 자연어 설명(NLEs)을 생성할 때 내부의 매개변수 지식(Parametric Knowledge, PK) 과 외부의 문맥 지식(Context Knowledge, CK) 을 어떻게 통합하고 상호작용하는지 다단계에 걸쳐 분석하는 것을 목표로 합니다.#Review#LLMs#Knowledge Interaction#Parametric Knowledge#Contextual Knowledge#Subspace Disentanglement#NLE Generation#Hallucination Detection#Chain-of-Thought2025년 11월 9일댓글 수 로딩 중
[논문리뷰] When Models Lie, We Learn: Multilingual Span-Level Hallucination Detection with PsiloQA대규모 언어 모델(LLM)의 안전하고 신뢰할 수 있는 배포를 위한 핵심 과제인 환각(hallucination) 탐지를 목표로 합니다.#Review#Hallucination Detection#Multilingual LLMs#Span-Level Annotation#Synthetic Data Generation#Question Answering (QA)#Encoder Models#Uncertainty Quantification#GPT-4o2025년 10월 17일댓글 수 로딩 중
[논문리뷰] Large Language Models Do NOT Really Know What They Don't Know본 논문은 대규모 언어 모델(LLMs)이 사실적 오류를 생성할 때 내부적으로 어떻게 처리하는지 기계적으로 분석하여, LLMs가 진정으로 '무엇을 모르는지 아는지' 여부를 밝히는 것을 목표로 합니다.#Review#LLMs#Hallucination Detection#Mechanistic Interpretability#Internal States#Knowledge Recall#Refusal Tuning#Factual Associations#Associated Hallucinations2025년 10월 17일댓글 수 로딩 중
[논문리뷰] HalluGuard: Evidence-Grounded Small Reasoning Models to Mitigate Hallucinations in Retrieval-Augmented Generation대규모 언어 모델(LLM)과 소형 언어 모델(SLM)이 RAG 애플리케이션에서 흔히 겪는 환각(Hallucination) 문제를 해결하고, 사용자 신뢰도와 설명 가능성을 저해하는 문제를 완화하는 것이 주요 목표입니다.#Review#Hallucination Detection#Retrieval-Augmented Generation (RAG)#Small Reasoning Model (SRM)#Preference Fine-tuning#ORPO#Evidence Grounding#Fact-checking2025년 10월 8일댓글 수 로딩 중
[논문리뷰] Turk-LettuceDetect: A Hallucination Detection Models for Turkish RAG Applications대규모 언어 모델(LLMs)의 환각(hallucination) 문제를 해결하고, 특히 형태학적으로 복잡한 터키어 RAG(Retrieval-Augmented Generation) 애플리케이션 을 위한 효과적인 환각 탐지 모델을 개발하는 것이 목표입니다.#Review#Hallucination Detection#Retrieval Augmented Generation#Large Language Models#Turkish NLP#Token Classification#ModernBERT#Low-Resource Languages2025년 9월 23일댓글 수 로딩 중
[논문리뷰] CompassVerifier: A Unified and Robust Verifier for LLMs Evaluation and Outcome Reward현재 대규모 언어 모델(LLM)의 답변 검증 방식은 규칙 기반 매칭이나 일반 LLM 사용 시 반복적인 사용자 정의, 복잡한 엣지 케이스 처리의 어려움, 도메인 일반화 능력 부족 등의 한계를 가집니다.#Review#LLM Evaluation#Answer Verification#Reward Model#Benchmarking#Data Augmentation#Reinforcement Learning#Formula Verification#Hallucination Detection2025년 8월 6일댓글 수 로딩 중