MeasHalu：通过增强推理缓解大语言模型中的科学测量幻觉

从文献中准确提取科学测量值是 AI4Science 的关键挑战，但大语言模型常出现严重幻觉，削弱了系统可靠性。为此，本文提出 MeasHalu 框架，通过增强推理和针对性优化来缓解此类幻觉。研究首先建立了细粒度的测量幻觉分类体系，涵盖数量、单位、修饰语及关系错误。该方法采用两阶段推理感知微调策略，结合增强科学数据与过程监督，并引入渐进式奖励课程以惩罚特定幻觉类型。实验表明，MeasHalu 显著降低了幻觉率并提升了提取准确性，为自动化科学知识提取提供了可信解决方案。