熵与分布（更懂「犹豫」）：整个候选分布有多分散； P(True) 自评估：追加一个问题「上述答案是否正确？(A) True (B) False」，再看 logprob；
基于logprob，幻觉抑制 创新方案。
目录
- 基于 `logprob`，幻觉抑制 创新方案。
- 一、基础层：单值置信度（简单但有效）
- 1. 平均对数概率 / 困惑度（Perplexity）
- 2. 最小 token 概率（Min-Prob，强烈推荐）
- 二、 熵与分布（更懂「犹豫」）：整个候选分布有多分散
- 3. 预测熵（Predictive Entropy）
- 4. 语义熵（Semantic Entropy）—— ⭐ 创新、登上 Nature 2024
- 三、采样层：用「多次调用 + logprob」交叉验证
- 5. SelfCheckGPT —— ⭐ 经典创新
- 6. P(True) 自评估
- 四、生成层：让 logprob 实时干预生成（最前沿、最有效）
- 7. FLARE：主动检索增强 —— ⭐ 创新且非常实用
- 8. 对比解码（Contrastive Decoding）
- 9. 约束解码 + logprob 重排
- 五、校准层：让概率「数值上可信」
- 10. 温度缩放 / Conformal Prediction（保形预测）—— ⭐ 创新方向
- 总结
一、基础层：单值置信度（简单但有效）
这一层只用 logprob 算一个标量分数，做阈值过滤。工程上最快落地。
1. 平均对数概率 / 困惑度（Perplexity）
- 做法：整句 token 的 logprob 求平均，或算
perplexity = exp(-平均logprob)。困惑度越高 = 模型越「懵」。 - 有效性：⭐⭐⭐ 简单粗暴，能抓住「整体在胡说」的回答，但会被长句稀释（一句话里只有一个数字错，平均下来看不出来）。
2. 最小 token 概率（Min-Prob，强烈推荐）
- 做法：不看平均，而是看整句里概率最低的那个 token。因为幻觉常常只是「一个关键实体错了」，平均值会掩盖它，但最小值能精准暴露。
- 有效性：⭐⭐⭐⭐ 比平均值实战效果好很多，尤其适合抽取/事实类任务。这是个被验证过的「便宜又好用」的技巧。
二、 熵与分布（更懂「犹豫」）：整个候选分布有多分散
光看选中词的概率不够，还要看整个候选分布有多分散——这才是「不确定性」的本质。