multiple-instance-learning

本文分析了大语言模型中的幻觉检测问题，提出了一种最大池化方法，该方法通过消除昂贵的语义一致性计算来提高效率，同时保持具有竞争力的性能。

本文提出一个新颖框架，将大语言模型与多示例学习相结合，通过将话语分解为情绪、逻辑和行为三个维度，并使用多视角门控注意力机制来检测心理健康文本中的认知扭曲。该方法在韩文和英文数据集上展现了改进的性能，特别是对于具有高解释歧义性的扭曲。