TRACE：基于跨层证据的轨迹校正以减少幻觉

幻觉校正不是一个单方向问题。我们表明，中间层既不比最终层普遍更真实，也不普遍更不可信。然而，幻觉缓解通常以单一固定的干预形式实现：将一层与另一层对比、沿真实性方向引导，或求助于外部证据。这种框架在结构上是不完备的。跨层事实证据的演化并不一致：在某些失败中，真实支持在内部存在但随后被抑制；而在另一些失败中，候选竞争在整个深度上确实保持多方向性，因此任何单一的有符号标量族都不具普遍充分性。我们提出TRACE（Trajectory Correction from Cross-layer Evidence for Hallucination Reduction，基于跨层证据的幻觉缓解轨迹校正），一种确定性的免训练算法，它在LLM自身前向传播内部，从每个输入的跨层候选轨迹中同时推导出校正层与合适的校正算子，从而在推理时校正幻觉。在一组冻结的超参数设置下，TRACE仅利用模型内部证据在标量反转、更早状态恢复和候选空间校正之间进行选择。作为单一通用算法在15个模型、8个模型族和3个事实性基准上评估，TRACE改进了每一个评测单元，平均带来+12.26 MC1分和+8.65 MC2式分的提升且无任何回退，最大提升达+47.20 MC1和+43.38 MC2式分。该方法不使用标签、检索、预训练、微调或逐模型校准。