Тонкая настройка больших языковых моделей с использованием индекса галлюцинации сущностей для суммирования текста
January 9th, 2026
Мы предлагаем подход к тонкой настройке на основе подкрепления обучения для больших языковых моделей, который использует индекс галлюцинации Enti (EHI) в качестве сигнала вознаграждения для снижения галлюцинаций на уровне сущности при суммировании текста. Эксперименты с стенограммами встреч показывают, что этот метод повышает достоверность и точность сущности.
В этом исследовании используется индекс галлюцинаций сущности как сигнал вознаграждения для снижения неправильной генерации сущностей в тексте, обобщённом с помощью ИИ. Текущие метрики — это два основных показателя: этот протокол использует детализированные вознаграждения сущностей для повышения достоверности без человеческих меток. Для начала используйте два основных корпуса, включая набор данных транскрипции диалогов с многоповоротными стенограммами собраний и бенчмарк резюме XSum News.
Очистите каждый набор данных, выравните данные и разделите их на наборы с обучением, 10% валидацией и 10% тестированием. Выполнить токенизацию и извлечение сущностей с использованием трансформаторной модели NER D slim/BERT для обеспечения надёжного заземления. Генерируйте начальные сводки в режиме нулевых выстрелов с помощью поиска по лучу шириной четыре для оценки базовой распространённости галлюцинаций.
Вычислите индекс галлюцинации сущности как метрику уровня сущности без ссылки, которая классифицирует сущности на пять факторов для количественной оценки достоверности. Поощряйте экстрактивность и позитивные галлюцинации, а также наказывайте негативные галлюцинации, чрезмерно сосредоточенные сущности и потерянную концентрацию. Определите функцию вознаграждения как пропорциональную верности субъекта и максимизируйте ожидаемую вознаграждение EHI по сгенерированным резюме.
Примените усиленный механизм обновления стиля для оптимизации параметров модели с целью максимизации достоверности сущности. Используйте адаптацию низкого ранга для эффективной настройки параметров и обновляйте только адаптеры LoRA, при этом сохраняя замороженность базовых весов модели. Затем применяйте обновления градиентов политики, чтобы стимулировать более высокие результаты вознаграждения и генерируйте сводки для каждых 500 обновлений для обновления оценок вознаграждений.
Наконец, сгенерируйте окончательные резюме с помощью тонко настроенных моделей и сравните их с исходными результатами. Оценивайте модели на информативность с помощью Rouge one, Rouge 2 и Rouge L, беглости и фактической согласованности с использованием фактов CC и CAG. Тонкая настройка EHI снижала галлюцинации и улучшала фактичность между моделями и наборами данных с правыми сдвигами EHI, а распределение по фактам CC подтверждало повышение достоверности сущностей и фактической согласованности, в то время как показатели CAGS остались в основном без изменений.
Вредные галлюцинации — негатив, перефокус и потеря фокуса — были уменьшены в Мистрале после тонкой настройки, а фактор экстрактивности почти удвоился. Корреляционный анализ показал, что EHI и CAGS имеют слабую корреляцию в Mistral и DistilBART, тогда как Flan-T5 показал более сильную положительную корреляцию. Исследователи могут измерять точность на уровне сущности и показатели галлюцинаций в резюме с помощью автоматизированного сигнала вознаграждения EHI.
Самая серьёзная проблема — это точность NER, поскольку ошибки извлечения могут привести к неправильным расчётам вознаграждения во время тренировки. Будущие исследования могут интегрировать разрешение совместных рекомендаций и награды за информативность, чтобы лучше сбалансировать верность с обзорным освещением.
View the full transcript and gain access to thousands of scientific videos
Overview
This article presents a novel reward-driven fine-tuning framework for large language models (LLMs) aimed at reducing entity-level hallucinations in abstractive summarization. By leveraging the Entity Hallucination Index (EHI) as a guiding metric, the approach enhances the factual accuracy of generated summaries without sacrificing informativeness or generalizability.
Key Study Components
Area of Science
- Natural Language Processing
- Machine Learning
- Text Summarization
Background
- LLMs have significantly improved abstractive summarization quality.
- Entity-level hallucination, where incorrect or fabricated entities appear in summaries, remains a major challenge.
- Existing models often struggle to balance informativeness and factual accuracy.
- Metrics to directly penalize hallucinated entities are underexplored in model training.
Purpose of Study
- To develop a fine-tuning framework that reduces entity hallucination in summarization models.
- To introduce and utilize the Entity Hallucination Index (EHI) as a reward signal.
- To demonstrate improved factuality and robustness in LLM-generated summaries.
Methods Used
- Initial summaries generated using pre-trained models (e.g., Flan-T5, DistilBART, Mistral) on structured transcript datasets such as XSUM.
- Named entity extraction from both generated summaries and gold reference summaries.
- Calculation of EHI by evaluating entity precision and penalizing fabricated entities.
- Reinforcement learning fine-tuning using a REINFORCE-style update mechanism with EHI as the reward signal.
Main Results
- Fine-tuned models exhibited lower rates of entity hallucination.
- Informativeness of summaries was maintained despite reduced hallucination.
- EHI-guided models demonstrated better generalization on out-of-domain summarization tasks.
- Enhanced robustness and factual accuracy were observed in experimental evaluations.
Conclusions
- The EHI-based reward framework effectively reduces entity-level hallucinations in LLM summarization.
- Factuality and informativeness can be jointly optimized using this approach.
- The method offers a practical direction for improving the reliability of automated summarization systems.
Frequently Asked Questions
Executive Industry Relevance
Entity-level hallucination in large language model (LLM) summarization poses a significant risk to data integrity and decision-making in biopharma R&D. The Entity Hallucination Index (EHI)-guided fine-tuning framework directly addresses this challenge, enabling more reliable extraction of factual insights from scientific and operational text sources. Enhanced factuality in automated summarization supports higher predictive confidence and reduces downstream risk in knowledge-driven pipelines.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Improves accuracy of literature and data mining for target identification by minimizing fabricated entities.
- Supports mechanistic de-risking by ensuring extracted entities reflect true biological relationships.
- Enables more confident hypothesis generation from automated text summarization outputs.
Screening & Assay Development
- Facilitates standardized extraction of assay targets and conditions from diverse documentation sources.
- Reduces risk of propagating incorrect entity information into screening workflows.
- Supports reproducibility by maintaining entity fidelity across automated summaries.
Translational & Preclinical Research
- Enhances mapping of preclinical findings to disease-relevant entities by reducing hallucination.
- Improves continuity of entity tracking from discovery through preclinical validation phases.
- Supports risk-adjusted advancement by providing more reliable entity-level evidence.
Pipeline & Workflow Integration
The EHI-guided fine-tuning framework integrates into the informatics layer of discovery, screening, and translational research pipelines, supporting robust entity extraction and summarization.
- Discovery Biology: Enables hypothesis testing and pathway clarification by ensuring entity accuracy in mined summaries.
- Screening: Provides reproducible, entity-faithful summaries for assay documentation and compound evaluation.
- Analytics: Delivers quantitative EHI scores to benchmark and compare summarization outputs across conditions.
- Translational Research: Maintains entity fidelity for biomarker and disease mapping when moving from discovery to preclinical stages.
- Enterprise Reuse: Establishes a scalable, reward-driven summarization capability for diverse biopharma text sources.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in text-derived insights.
- Operational Value: Standardizes entity extraction and summary generation across teams and projects.
- Strategic Value: Supports better go/no-go decisions by improving the reliability of automated knowledge extraction.
- Portfolio Impact: Enables risk-adjusted prioritization by reducing the propagation of incorrect entity data.
Implementation Considerations
- Requires expertise in natural language processing and reinforcement learning for model fine-tuning.
- Needs access to structured transcript datasets and gold-standard reference summaries for EHI computation.
- Demands cross-team agreement on entity definitions and extraction standards.
- May require adaptation of EHI thresholds for different biomedical domains or document types.
- Dependent on the quality of initial pre-trained models and reference data for optimal performance.
