跳到正文
AI NEWS JOURNAL
AI, IN PERSPECTIVE

搜索 AI 资讯

检索标题、摘要与正文,把分散的信息连起来。

按发布时间排序

通过低秩多线性分解进行大语言模型幻觉检测

arXiv:2610.36191v1 发布类型:新 摘要:大型语言模型(LLMs)经常生成流畅但事实错误的回复,这引发了对其可靠性的担忧。近期的幻觉检测方法越来越多地利用内部表示,但从高维隐藏状态中提取有效信息仍然充满挑战。现有方法往往依赖于特定激活或基于池化的压缩方式,可能忽略了分布在Transformer各层、特征模式和标记中的判别性信息。我们提出了LOTUS(基于低秩顺序统计TUcker的子空间学习),这是一种用于幻觉检测的多线性低秩分解框架,能够在降低对标签依赖的同时,从LLM的隐藏状态中提取紧凑的表示。

事件进展与其他报道

n8n@3.0.0

# [3.0.0](https://github.com/n8n-io/n8n/compare/n8n@2.45.0...n8n@3.0.0)(2026-10-27)### 问题修复 * 在工件下载按钮上添加文件类型提示工具提示([#41490](https://github.com/n8n-io/n8n/issues/41490))([4a74f02](https://github.com/n8n-io/n8n/commit/4a74f027e612f31098b354dd3a77b2c2ab98281c)) * **ai-builder:** 检查执行权限:在 Assistant 执行读取时进行检查([#41863](https://github.com/n8n-io/n8n/issues/41863))([a967486](https://github.com/n8n-io/n8n/commit/a9674866d075e989a5ce896432262c9a7dc8b0c7)) * **ai-builder:** 通过已配置的 AI 传输通道发送 Assistant 模型调用([#41948](https://github.com/n8n-io/n8n/issues/41948))([9b63561](https://github.com/n8n-io/n8n/commit/9b63561cbb48f06d216f27be3b77722d97e4e74a)) * 支持自定义 OAuth2 范围([#41249](https://github.com/n8n-

事件进展与其他报道

n8n@2.46.0

# [2.46.0](https://github.com/n8n-io/n8n/compare/n8n@2.45.0...n8n@2.46.0)(2026-10-27)### 修复的缺陷 * 在工件下载按钮上添加文件类型提示工具提示([#41490](https://github.com/n8n-io/n8n/issues/41490))([4a74f02](https://github.com/n8n-io/n8n/commit/4a74f027e612f31098b354dd3a77b2c2ab98281c)) * **ai-builder:** 检查执行权限:在 Assistant 执行读取操作时进行检查([#41863](https://github.com/n8n-io/n8n/issues/41863))([a967486](https://github.com/n8n-io/n8n/commit/a9674866d075e989a5ce896432262c9a7dc8b0c7)) * **ai-builder:** 通过已配置的 AI 传输通道发送 Assistant 模型调用([#41948](https://github.com/n8n-io/n8n/issues/41948))([9b63561](https://github.com/n8n-io/n8n/commit/9b63561cbb48f06d216f27be3b77722d97e4e74a)) * 支持自定义 OAuth2 范围([#41249](https://github.com/n8

事件进展与其他报道