TruthX : Atténuation des hallucinations par l’édition des grands modèles de langage dans l’espace véridique

Les grands modèles de langage (LLMs) souffrent parfois de la production d'hallucinations, en particulier ils peuvent générer des réponses non véridiques malgré la connaissance de l'information correcte. Activer la véridicité au sein des LLMs est la clé pour pleinement exploiter leur potentiel de connaissances. Dans cet article, nous proposons TruthX, une méthode d'intervention à temps d'inférence visant à activer la véridicité des LLMs en identifiant et en modifiant les caractéristiques internes qui régissent cette véridicité. TruthX utilise un auto-encodeur pour mapper les représentations des LLMs dans des espaces latents sémantiques et véridiques respectivement, et applique un apprentissage contrastif pour identifier une direction de modification véridique au sein de l'espace véridique. Pendant l'inférence, en modifiant les représentations internes des LLMs dans l'espace véridique, TruthX améliore efficacement la véridicité des LLMs. Les expériences montrent que TruthX augmente la véridicité de 13 LLMs avancés d'en moyenne 20% sur le banc d'essai TruthfulQA. Des analyses supplémentaires suggèrent que TruthX peut contrôler les LLMs pour produire des réponses véridiques ou hallucinatoires en modifiant uniquement un vecteur dans leurs représentations internes.