论文
AAAI机制：以关联识别、自动检测与自适应推理提升多模态鲁棒性
Empowering Small Language Models with Factual Hallucination-Aware Reasoning for Financial Classification
摘要
小语言模型（SLM）因其推理速度快、可本地部署而在金融分类中应用日益增多。然而，与大语言模型相比，SLM在推理中更容易出现事实幻觉，分类性能也更弱。这引出一个自然的问题：缓解事实幻觉能否改善SLM的金融分类？为此，我们提出一个名为AAAI（关联识别、自动检测与自适应推理，Association Identification, Automated Detection, and Adaptive Inference）的三步流水线。在三个代表性SLM上的实验揭示：（1）事实幻觉与错误分类正相关；（2）基于编码器的验证器能有效检测事实幻觉；（3）引入关于事实错误的反馈使SLM能够进行自适应推理，从而提升分类性能。我们希望这一流水线有助于SLM在金融领域可信且有效的应用。
