研究提出了 H-Node 对抗噪声消除（H-Node ANC）机制框架，旨在识别、利用和防御基于变换器的大语言模型（LLMs）中的幻觉表示，重点关注单个隐藏状态维度。通过对最后一个令牌的隐藏状态进行逻辑回归探测，能够将幻觉信号定位到一小组高方差维度，这些维度被称为幻觉节点（H-Nodes），并且在四种架构中探测的 AUC 达到 0.90。在推理时，白盒对抗攻击通过实时前向钩子放大这些维度，选择性达...