面向数据敏感领域的 LLM 输出神经符号验证（扩展预印本）

针对高风险领域大语言模型面临的幻觉、不一致及隐私风险，本文提出一种混合验证架构，融合形式化符号方法与神经语义分析。该架构利用逻辑推理验证输入以确保结构化需求的可判定性，并通过嵌入语义相似度检测上下文幻觉。系统在并行 Actor 管道中实现，克服了提示式自验证的分布偏差局限。在真实医疗设备损伤评估系统 HAIMEDA 中的评估显示，结构化实体幻觉检测率达 83% 以上，语义虚构检测率为 72%，报告生成时间减少 30%，证明了神经符号架构在数据敏感领域的应用价值。