用于大语言模型幻觉检测的预测编码与信息瓶颈

大语言模型（LLM）中的幻觉——看似合理但事实上不忠实的生成——仍是高风险部署的关键障碍。当前检测方法通常依赖计算昂贵的外部检索循环，或需要 70B+ 参数的不透明黑盒 LLM 裁判。在本工作中，我们介绍 [Model Name]，一个结合神经科学启发信号设计与监督机器学习的混合检测框架。我们提取基于预测编码（量化对内部先验的惊讶度）与信息瓶颈（测量扰动下信号保留）的可解释信号。通过系统消融，我们展示三项关键增强：实体聚焦摄取（集中于高价值词元）、上下文依从（测量接地强度）与可证伪性分数（检测自信但矛盾的声明）。在 HaluBench（n=200，完全平衡）上评估，我们的理论引导基线达到 0.8017 AUROC。BASE 监督模型达到 0.8274 AUROC，而 IMPROVED 特征把性能提升至 0.8669 AUROC（4.95% 增益），并跨架构保持一致改进。这一有竞争力的性能是在比 Lynx 少 75 倍训练数据（200 对 15,000 样本）、推理快 1000 倍（5ms 对 5s）且完全可解释的情况下取得的。关键的是，我们报告一个负面结果：合理化信号无法区分幻觉，提示 LLM 会为错误前提生成连贯推理（谄媚）。本工作表明，编码在信号架构中的领域知识相较扩展 LLM 裁判提供更优的数据效率，以轻量（不到 1M 参数）、可解释的模型取得强劲性能，适合生产部署。