摘要
针对大语言模型在法律领域系统性产生引用幻觉的问题，本文提出“引用锚定”（CG）指标，基于包含亿级节点的法律引用图谱，从存在性、相关性和时效性三个维度量化评估幻觉。实证显示主流模型幻觉率达 13%-21%。为进一步降低幻觉，作者提出无需人工标注的 CG-DPO 方法，通过算法构建偏好对微调模型。实验表明该方法能高效区分正确与错误引用，显著提升了模型在法律场景下的事实推理与验证能力。
AI 推荐理由
论文聚焦法律引用幻觉检测与修正，核心在于提升模型事实核查与逻辑验证的推理能力。
研究机构
LEX AI LLC, Kyiv, Ukraine
论文信息