事实核查 LLM-DailyDigest 2026-08-16 2026-08-16 约 100 字 预计阅读 1 分钟 事实核查 本主题由提交工具自动创建，可在此补充洞察与资料。 相关消息（按子主题自动聚合） 临床诊疗核查 1 MedGuard：嵌入诊疗流程的医学事实核查守门人 08-25 事实核查 4 PremiseCheck：高效核查人类与 AI 同行评审中的事实错误 10-18 TypeSafe Jev以1/500成本实现97.5%事实核查准确率 10-08 多轮证据消融评估与改进大模型事实核查 09-09 ReflectFact：自反思智能体提升多跳事实核查 08-16 事实纠错 1 DEDUCE：主动纠正输入事实扰动，提升 LLM 鲁棒性 08-27 人名识别评测 1 PUN：面向人物中心 LLM 评测的可信未知姓名 08-24 信念-真值解耦 1 LLM裁判中的信任—真值可分离性 08-24 偏好优化 1 Style-Debiased DPO：用事实性感知偏好数据更新 LLM 知识 09-16 创意应用 1 Anthropic 精选 6 个 Claude Code 创意项目 08-26 医疗人工智能评测 1 LLM评判器对AI临床笔记的遗漏盲区及改进方法 09-01 学术论文生成 1 Spark-to-Paper：以可组合技能端到端生成研究论文 08-14 实验审计 1 超越代码执行：审计 LLM 科研实验的忠实性 08-29 幻觉检测 2 Enoki：高效多级幻觉检测框架 09-08 利用 SQL 符号能力实现无监督幻觉检测 09-07 拓扑压缩 1 LLM 长上下文流形的拓扑压缩与六度分隔 08-19 提示工程 1 Agent 时代仍实用的 12 个常用 Prompt 08-22 模型可靠性 1 语言模型事实回忆中的记忆与上下文权衡 09-22 科研评测 1 哈佛研究：Claude审稿质量全面超越资深人类专家 10-25 置信度评估 1 语言模型免训练自报告置信度分析 09-18 融贯性评测 1 DARKSIDE：基于排除轨迹的 LLM 融贯性审计 08-25 评测基准 2 NorRegel：挪威法律时效数值预注册评测基准 10-22 AraDynFact：阿拉伯语事实知识动态评测框架 09-30 评测审计 1 用答案扰动验证事实性评估方法的可信度 09-15 辩论评判 1 事后辩论裁判理论 08-20 金融问答 1 Self-Improving RAG：面向专家级金融问答的自纠错框架 08-29
