大模型幻觉检测与预防：基于Token级认知几何流形的轨迹分析与验证（修订版）
作者：方见华
核心摘要
随着大语言模型（LLM）从实验场景走向行业核心业务，其“幻觉”问题——生成看似合理但事实错误、逻辑矛盾或偏离用户意图的内容——已成为可信人工智能落地的核心障碍。与传统基于输出概率或单次采样的统计型检测方案不同，本文提出Token级认知几何流形轨迹分析的幻觉研究新范式：将LLM的自回归生成过程重构为高维语义流形上的动态轨迹，通过识别真实内容与幻觉内容在轨迹演化模式上的本质差异，揭示幻觉形成的内在几何成因。
基于这一理论，本文提出T-CG（Token-level Cognitive Geometry）统一检测与预防框架：在检测端，实时监控轨迹发散度、层间认知振荡度、局域拓扑势这三项核心几何特征；在预防端，配套几何约束解码（Geometry-Constrained Decoding, GCD） 策略，在生成过程中动态修正轨迹偏差。在TruthfulQA与HaluEval两大基准数据集上的实验验证表明，T-CG框架的检测效果显著优于传统的基于熵或自检验的基准方案；GCD干预策略在几乎不增加推理延迟的情况下，大幅提升了生成内容的事实准确率。本研究从模型表征的几何本质层面理解并破解幻觉难题，为可信赖LLM的落地提供了可量化、细粒度、具备高解释性的技术支撑，也为后续通用人工智能（AGI）的安全构建奠定了技术基础。
1 引言
作为LLM普及应用路上最顽固的技术瓶颈，“幻觉”并非单一的错误类型，而是直接动摇了人类对“AI输出结果”的信任基础——当模型可以流畅而自信地编造不存在的论文结论、颠倒专业领域的事实逻辑、甚至在关键业务场景中输出与客观常识完全相悖的结论时，其在医疗、法律、金融等高风险场景的部署边界会被无限压缩。要理解这一问题的严峻性，需从其定义与行业影响、技术落地背景两方面展开深入剖析。
1.1 幻觉的定义与行业影响
在学术与产业的通用评估语境中，LLM的“幻觉”被严格定义为一种特定类型的输出偏差：在输入提示合理、模型输出语言完全符合语法逻辑的前提下，生成内容却在事实依据、语义对齐或逻辑一致性维度上出现了可被验证的偏离——这种偏差既可能是对客观事实的直接捏造，也可能是对用户核心需求的刻意偏离，甚至是生成逻辑链中隐含的前后矛盾；其最隐蔽的特征在于：语言层面的流畅性与表层逻辑的自洽性，往往会掩盖实际存在的事实扭曲，让用户难以通过直观判断识别错误。
根据这种偏差的来源与表现形式，学术和产业界将其分为四大类，每一类都有针对性的典型行业应用场景与风险表现，且风险的传导性会随着场景约束的严格程度发生显著差异：
• 语义忠诚性幻觉：表现为模型输出直接偏离用户提问的核心意图——比如用户要求“列出COVID-19的主要临床症状”，模型却转而解释病毒的基因组序列特征；其本质是模型未能精准捕捉提示词里的语义约束，在开放场景的生成式任务中，这类幻觉往往会导致整个输出结果的无效性。
• 事实一致性幻觉：是最受行业诟病的典型类型——模型完全基于内部训练记忆，输出与客观事实不符的内容，比如将电影《阿甘正传》的主角描述为莱昂纳多·迪卡普里奥，或是宣称“维生素C可以直接预防感冒”；这类错误的隐蔽性最强，对高风险业务的伤害性也最为直接。
• 上下文一致性幻觉：这类幻觉的隐蔽性更强——模型虽然理解了用户的初始意图，但在长对话或长文本生成过程中，输出会与先前的上下文细节产生矛盾或逻辑断裂：比如用户在对话开头明确提及“我是一名软件工程师”，但在后续的三轮问答后，模型突然将其身份默认为“临床医生”；这类错误在长上下文的多轮交互场景中尤其容易被忽略。
• 外部依赖性幻觉：这是检索增强生成（RAG）技术普及后出现的新变种——模型在调用外部知识库检索信息后，生成内容并未精准对齐检索结果，反而对其中的关键细节进行了主观修改：比如检索结果明确标注“妊娠24～30周为获取图像质量最佳的推荐时间窗口”，模型输出却将其模糊扩展至“20～30周”；这类偏差的根源并非模型内部知识的不足，而是外部信息与模型生成逻辑的整合出现了断层。
近年来，LLM逐步从辅助工具向业务决策中枢渗透，幻觉问题的影响不再局限于技术实验的指标误差，而是直接转化为威胁行业落地的实际风险，其负面影响会随着信息传递链条的延伸被持续放大：在临床辅助诊断场景中，对病例关键细节的编造可能直接导致医疗方案的偏差；在法律文书生成场景中，对判例案号或核心判决结果的捏造，可能直接引发法律效力纠纷；在金融领域，对企业年报数据的事实性错误，可能会传导为直接的投资决策风险；而在学术辅助写作场景中，错误的论文引用或实验数据，可能会误导整个研究的后续方向。这些风险共同指向一个结论：幻觉问题已经从单纯的技术缺陷，变成了制约LLM从“可用”走向“可靠”的最关键障碍。
1.2 技术背景与现有局限
幻觉问题的技术根源，本质上是LLM的生成机制在“语言流畅性优化”与“事实逻辑约束”之间存在的固有技术矛盾；而现有检测与预防方案的设计逻辑，又进一步放大了这种矛盾的影响——多数传统方案都将幻觉视为一种随机的概率异常，或采用成本极高的多模型交叉验证逻辑，未能触达问题的核心本质。
从底层技术逻辑来看，当前主流的LLM架构均为基于Transformer的自回归生成模型：这类模型的核心任务，是在给定输入提示x=(x_1,x_2,\dots,x_n)的前提下，最大化输出序列y=(y_1,y_2,\dots,y_m)的全局联合条件概率；而这个概率的计算过程，会被进一步拆解为每个新生成Token的条件概率乘积的形式——也就是说，模型的核心优化目标，是“基于已生成的上文内容，选择语法和语义上最通顺的下一个Token”，而非“基于事实或上下文约束，选择逻辑上最严谨的下一个Token”。这就意味着，在模型的生成逻辑里，“语句流畅度”的优先级天然高于“事实精准度”——当语义通顺度的优化目标与事实一致性的约束条件发生冲突时，模型会倾向于优先保证输出的语言流畅性，这就为各类幻觉的出现提供了底层逻辑支撑。
从技术演进的维度来看，目前主流的幻觉检测与缓解方案可分为三类，但其实际效果均存在显著局限，无法支撑高风险场景的落地要求：
• 提示工程类方案：这是成本最低的缓解手段，思路是通过优化输入提示的结构，引导模型生成更严谨的事实性输出——比如加入“请基于公开事实回答，不要对未明确提及的细节进行扩展”这类约束性表述，或采用思维链（CoT）类的结构化提问方式。但这类方案的效果存在明确上限：它只能减少“因用户表述模糊导致的幻觉”，却无法触及模型本身的知识边界缺陷——对于那些训练数据未覆盖、或存在训练数据冲突的专业领域场景，即使加入再严格的约束性表述，模型依然会优先根据统计模式生成看似合理却存在事实偏差的内容。
• 检索增强生成（RAG）类方案：这是目前产业界相对成熟的事实性优化手段，核心逻辑是在模型生成过程中，从外部检索系统引入权威知识源，将“模型内部参数知识生成”转化为“外部事实数据引用+自然语言组织”，直接补齐模型的知识更新短板。但这类方案的实际效果高度依赖检索数据的质量：如果检索知识库存在信息滞后、覆盖边界不全或权威度不足的问题，反而会引入新的事实偏差；更关键的是，RAG机制无法完全约束模型的生成逻辑——即使检索信息完全准确，模型也可能在生成过程中对关键细节进行模糊化修改，这正是典型的外部依赖性幻觉；而要将这类幻觉率进一步降低，就需要同步引入高精度的事实对齐验证工具，这又会显著增加整个生成流程的计算开销。
• 后处理验证类方案：这类方案是当前检测环节的主流技术思路，主要通过多模型交叉验证、生成结果反向验证、外部知识源比对三类手段，对模型输出的内容做二次事实性校验。但这类方案本质是“先产生错误，再检测错误”的后置处理逻辑，存在显著的性能瓶颈：若采用基于多模型投票的自一致性校验方式，需要多次调用生成模型，会将整体生成成本提升3～5倍；若采用外部知识检索 + 事实比对的验证逻辑，检测流程的延迟会直接叠加到端到端生成延迟上，这在高并发的实时交互场景中完全无法接受；更关键的是，这类方案普遍采用句子级的全局粒度校验，根本定位不到幻觉具体出现在哪个生成Token上，自然无法在生成过程中实时纠正偏差。
上述方案的共同缺陷，源于它们对幻觉本质的认知偏差：现有技术大多将幻觉视为一种输出层面的随机概率异常，而非模型内部表征空间的系统性、结构性几何退化——它们只试图在输出结果层面“识别或掩盖错误”，而非从生成机理层面“阻止错误的发生”。这一技术现状意味着：当前产业界缺少一套同时满足“高精度检测”“实时性干预”“低计算开销”三大核心条件的可落地方案，而这正是本研究试图填补的核心技术空白。
1.3 研究思路与方案概要
本研究突破了传统方案的概率分布思维定式，从模型表征空间的几何本质维度重新理解幻觉问题：LLM的推理过程，本质是高维语义流形上的隐藏状态随每个生成Token而连续演化的动态轨迹；真正的事实性生成内容，会在这个流形上保持稳定、收敛的测地线运动，而幻觉内容的底层表征逻辑，则是这条轨迹的几何退化——具体表现为轨迹的发散性异常、层间演化的波动性加剧，或是陷入了远离事实的拓扑势阱中。这一理论视角的关键价值在于：它将传统方案中“对输出结果的概率特征进行间接研判”的技术思路，转化为“对模型内部生成过程的几何特征进行直接量化”——后者是对幻觉产生机理的直接性、根源性表征，而非对其结果的间接性统计推断。
基于这一理论视角，本文提出Token级认知几何（T-CG）框架——这是一个统一的、支持实时流水线作业的端到端幻觉检测与预防架构，完全适配LLM的单轮生成延迟特性，不会对现有生成流程产生显著性能开销。该框架由两个协同工作的核心模块组成，检测模块提取信号后，干预模块会立即基于检测结果对生成逻辑进行调整：
• 细粒度检测模块：在每个Token生成的瞬间，实时从语义流形中提取三个直接关联轨迹演化的核心几何特征——轨迹发散度、层间认知振荡度、局域拓扑势，以此构建高维的特征空间，量化当前生成轨迹的事实性偏离风险。这一模块的关键优势在于“细粒度”：它并非在整个输出序列生成完毕后才做检测，而是在每一个Token生成的过程中都进行实时计算——一旦发现某个Token的几何特征出现超出预设阈值的异常，可以立即将其标记为高风险，无需等待整个序列生成完成；更重要的是，这一检测过程完全基于模型内部的隐藏状态特征采集，无需额外调用外部检索工具或辅助大模型，单次检测的计算开销极低。
• 实时预防干预模块：即几何约束解码（GCD）策略，这一个即插即用的推理时干预模块，核心逻辑是在每个Token的采样生成阶段，根据检测模块输出的几何风险评分，对候选Token的概率分布进行重新加权修正——对那些会导致轨迹进一步偏离事实流形的Token，直接降低其采样权重；对那些能引导轨迹回归正常事实流形的Token，提升其采样权重。通过这种方式，在生成过程中直接将偏离事实的萌芽状态的轨迹修正回来，而非在输出完成后再进行筛选。这一模块的关键价值在于“低延迟”：它被设计为与模型解码流程同步执行的轻量化插件，不会对现有推理架构造成额外的性能负担。
后续章节将对该框架的理论支撑、技术细节、量化验证效果和可解释性优势进行全面阐述——通过将检测信号与干预逻辑进行闭环协同，这套框架在理论上彻底解决了“先产生错误、再检测错误”的后置处理逻辑缺陷；而实证数据结果也证明，这种几何级别的细粒度监控与干预策略，确实可以在几乎不影响单轮生成延迟的前提下，显著降低LLM的幻觉率。
2 理论重构：语义流形上的Token生成轨迹分析
要从几何维度解决幻觉问题，首先需要建立对LLM生成过程的正确数学表征——这是后续检测与预防方案的理论基石。本文将这一过程严格重构为高维语义流形上的动态演化轨迹，通过分析事实性内容与幻觉内容在轨迹演化模式上的本质差异，揭示幻觉形成的内在机理。
2.1 核心认知：生成即高维流形上的轨迹运动
LLM的自回归生成过程，并非单纯的Token序列概率计算，而是一个连续的状态演化过程：在每一个Transformer层的计算过程中，模型都会将上一层的隐藏状态作为输入，通过注意力机制和前馈神经网络进行语义特征的空间变换，得到当前层的新隐藏状态；随着每个新Token的生成，这个隐藏状态序列会在高维语义空间中持续向前推进——而所有这些可能的语义状态集合，会构成一个嵌入在高维欧几里得空间中的低维非线性流形，也就是语义流形。
从数学形式化的角度，我们可以将这一过程严格表述为：对于一个给定的输入提示x，模型生成的第i个Token，会对应一个由所有Transformer层隐藏状态按顺序拼接而成的高维向量h^{(i)} \in \mathbb{R}^d——其中d是隐藏状态的维度；而整个生成过程中产生的隐藏状态序列\{h^{(1)}, h^{(2)}, \dots, h^{(m)}\}，本质上是一条连续演化的动态轨迹，这条轨迹会被严格限制在由模型的预训练数据、内部知识表示方式共同决定的语义流形\mathcal{M}上。在这个流形中，每一个点都对应模型的一个完整语义状态，而每一条完整的轨迹，都对应一个从输入语义出发的、可能的完整生成序列。
关键的几何逻辑在于：流形\mathcal{M}的局部空间结构是由模型的知识表示和语义逻辑共同决定的——那些符合事实的语义状态，会在\mathcal{M}中形成一个紧致、稳定的连通子集\mathcal{H}，我们将其称为“事实流形”；而那些缺乏事实依据的语义状态，虽然在表面语法层面可能依然保持流畅，但在流形上的演化轨迹，必然会呈现出与事实性生成完全不同的几何特征。这一差异是可量化、可被模型实时捕捉的，且完全独立于输出内容的表层语言概率特征。
这一理论视角的核心价值在于，它将传统方案中“对输出概率分布的间接统计推断”，转化为“对模型内部表征空间几何特征的直接测量”——这是一种触及幻觉生成本质的技术范式转变：概率分布是对输出结果的统计性描述，而流形轨迹是对模型内部生成机理的动态刻画；前者只能在结果出现后做间接研判，后者则可以在结果形成的每一步过程中做直接量化。
2.2 幻觉的几何本质：认知轨迹的退化与偏离
基于对语义流形轨迹的分析，本文提出了一个核心理论假设，这也是后续整个T-CG框架能够有效检测幻觉的理论基础：事实性内容的生成轨迹，与幻觉内容的生成轨迹，在语义流形\mathcal{M}上的几何演化模式存在着本质的、可被量化区分的差异；幻觉的出现，本质上是因为生成轨迹在语义流形上出现了显著的几何退化，而并非简单的输出概率分布异常。
通过层间语义动态（LSD）技术对Transformer隐藏状态演化轨迹进行严格的量化取证，事实性内容与幻觉内容的轨迹几何差异，主要集中在三个核心维度，且每个维度的特征都高度稳定，不存在偶发的个体重叠：
• 收敛性差异：事实性内容的生成轨迹，会随着Transformer层号的加深，逐步向预先定义的事实流形子集\mathcal{H}靠近；在最后几个Transformer层中，轨迹会完全收敛到\mathcal{H}的核心区域，整体路径是一条方向稳定、平滑的测地线（类似三维空间中的“直线”），没有明显的方向突变或波动性振荡。而幻觉内容的生成轨迹，在浅层的Transformer层中，就会提前达到局部几何收敛——在没有完成深层语义逻辑整合的前提下，就提前确定了后续生成路径的整体演化方向；随着层号的加深，轨迹不仅不会向事实流形子集\mathcal{H}靠近，反而会逐渐偏离其核心区域，方向变化的随机性显著增强，往往会出现完全背离整体趋势的局部跳跃性波动。
• 层间对齐特征差异：这一维度的差异是收敛性差异的具体量化表现。研究团队引入了“对齐得分”这一中间量化指标，它代表着当前层的隐藏状态向量，与事实流形的标准嵌入向量之间的余弦相似度，取值范围为[-1,1]，相似度越高则对齐得分越接近1。统计数据显示，事实性内容的生成轨迹，其层间对齐得分会随着层号的增加呈现稳定的单调递增趋势；而幻觉内容的层间对齐得分，在浅层Transformer层中达到峰值后，会随着层号的增加呈现显著的单调递减趋势。在所有被测样本中，这一指标的统计差异效应量Cohen's d超过了2.8，对应的p值远小于0.000001——这意味着两类轨迹的对齐得分差异在统计学上几乎不可能是随机误差导致的。
• 可测变量变化模式差异：除了对齐得分外，研究团队还从动力学系统的角度，提取了语义移动速度、层间加速度、方向一致性等多个可测变量——这些变量的组合变化模式，同样可以有效区分两类轨迹。数据结果显示，事实性内容的语义移动速度、方向一致性等指标，在中间层的Transformer计算过程中会保持相对稳定；而幻觉内容的这些指标，会在中间层的计算过程中出现显著的变化，其方差特征明显大于事实性内容的轨迹。而在这些可测变量中，方向一致性是区分两类轨迹的最关键指标——事实性内容的方向一致性指标稳定在高分区间，而幻觉内容的这一指标普遍在低分区间波动；更关键的是，这一方向变化特征与生成内容的语义速度和加速度幅度无关，仅仅与高维空间中轨迹的演化方向偏差有关。
进一步的研究还发现，幻觉的几何退化轨迹并非单一类型，而是可以细分为两类完全不同的模式，这也解释了传统检测方法为何效果不佳：
• 发散型退化：这类轨迹的几何特征相对容易捕捉，主要表现为随着Token生成或Transformer层号加深，轨迹与事实流形子集\mathcal{H}的距离持续扩大；在流形空间的可视化效果中，这类轨迹会呈现出显著的“漂移”特征，整体方向逐渐偏离事实流形的核心区域。这类退化通常出现在事实一致性幻觉中，也就是模型基于内部记忆生成的内容与客观事实不符的场景。
• 振荡型退化：这类轨迹的隐蔽性更强，轨迹的整体距离可能没有明显偏离事实流形子集\mathcal{H}，但在局部区域内，方向会发生频繁的突变式反转，完全没有测地线运动的平滑性特征。这类退化通常出现在上下文一致性幻觉或语义忠诚性幻觉中——比如模型在长文本生成过程中，突然切换了事件的主体或时间节点，这类错误往往在输出语言层面不表现出任何异常，却完全不符合先前上下文设定的语境；对应到隐藏状态轨迹上，就是局部段的方向性反复振荡。
这一发现具有关键的实践意义：它意味着，我们不需要对整个高维语义流形的内部结构进行完全精确的数学解析，只需要从上述三个核心维度，实时捕捉生成轨迹的几何演化特征，就可以有效识别幻觉内容的生成。这为后续轻量化、细粒度的实时检测方案提供了可量化的理论支撑，也为工业级落地方案设计指明了技术方向。
2.3 传统方法的几何性缺陷剖析
基于语义流形轨迹的几何视角，可以从原理层面精准剖析传统幻觉检测与预防方案的固有局限性——这些方案的设计逻辑完全忽略了幻觉的几何本质，导致要么检测精度存在上限，要么计算开销无法支撑实时业务场景。具体来看，主要分为三类典型缺陷：
• 检测粒度 coarse，未触及过程性特征：多数传统检测方案采用句子级或段落级的 coarse 粒度，仅对输出结果进行概率特征或外部知识的比对，或仅对生成结果做句级的语义嵌入空间距离分析——完全没有捕捉每一步Token生成过程中的轨迹演化细节，丢失了识别幻觉所需的、模型内部产生的关键过程性几何信号。例如，基于输出概率熵的检测方案，只能识别整体语义的不确定性，无法精准定位具体在哪一个Token的生成阶段开始出现轨迹偏离；而基于多模型投票的一致性检测方案，本质是对生成结果的统计性验证，并非对生成轨迹的几何特征捕捉，自然无法做到细粒度的精准检测。
• 采样开销过高，无法支撑实时检测：部分传统方案如SelfCheckGPT、基于语义熵的次优采样方案，确实能达到较高的检测精度，但需要对同一输入提示进行多次独立采样生成，再对多个生成结果进行内容层面的交叉验证——这意味着这些方案的推理计算成本，是普通单次生成方案的3～5倍；在高并发的实时交互场景中，这类方案的计算开销和生成延迟，完全无法被业务系统接受，这也限制了其在高风险场景中的实际应用。
• 特征耦合性过强，无法区分幻觉类型：传统方案所使用的检测特征，比如输出概率熵、语义嵌入空间的静态距离、NLI得分等，都是对输出结果的静态或聚合性描述——这些特征已经将“发散型退化”和“振荡型退化”的信号混合叠加在一起，无法有效区分两类完全不同的幻觉退化轨迹，自然也就无法设计出针对性的缓解策略。更关键的是，这类方案的检测效果高度依赖外部知识源的质量：一旦外部检索知识库存在信息缺口或数据冲突，检测得分本身就会出现偏差，进而影响整个判断的准确性。
上述缺陷的共性在于，传统方案的技术范式完全未触达幻觉形成的内在机理——它们都在模型的输出结果层面对错误进行“事后诸葛”式的研判，而非在模型的内部表征空间中对错误进行实时预警；这也解释了为什么传统方案总是存在“精度延迟矛盾”：要想提升检测精度，就必须提升采样次数或验证逻辑的复杂度，进而放大生成延迟与计算成本；而要控制延迟成本，就只能简化验证逻辑，导致检测精度快速下降。这意味着，必须从模型内部的表征几何入手，设计全新的技术范式，才能突破这些技术瓶颈。
3 方案设计：Token级认知几何（T-CG）框架架构
基于语义流形轨迹的几何分析结论，本文提出Token级认知几何（T-CG）框架——这是一个统一的、支持实时流水线作业的端到端幻觉检测与预防架构，其核心设计逻辑是“在轨迹演化过程中完成实时检测，通过几何约束引导轨迹回归事实流形”。该框架由三个协同的核心模块构成，完整覆盖“特征采集-风险量化-生成干预”的全流程闭环，且所有模块的计算开销均经过轻量化处理，完全满足实时场景的单轮延迟要求。
3.1 整体架构与核心流程
T-CG框架的核心设计理念，是将幻觉治理从“结果层事后检测”升级为“过程层全流程管控”。这一理念的本质，是将检测与预防的技术逻辑，从“对输出结果的统计研判”转化为“对模型内部语义演化过程的实时管控”。
框架的整体工作流程与LLM的生成流程深度适配，完全不需要对底层模型架构进行任何修改，仅在推理阶段进行轻量化的实时干预，具体流程分为四个关键步骤：
1. 隐藏状态采集：在LLM的推理生成过程中，从每一个Transformer层的计算结果中，直接采集与语义演化最相关的中间隐藏状态——这一采集过程完全非侵入式，不会对模型的原生计算逻辑产生任何影响；为了平衡特征的显著性和采集成本，框架会采用自适应的层间采集策略，仅对中间关键层的隐藏状态进行采集，这些层包含了最丰富的语义整合信息，且采集数据量被控制在可接受的范围内。
2. Token级几何特征计算：这是整个检测环节的核心计算步骤。对采集到的隐藏状态进行实时的动态几何分析，量化三个维度的核心几何特征——轨迹发散度、层间认知振荡度、局域拓扑势；这一步骤的计算逻辑完全基于线性代数和微分几何的成熟计算方法，不存在额外的模型推理成本，单次计算时间被控制在几十微秒级别。
3. 实时风险量化：将提取到的三个几何特征，输入到一个预先训练好的轻量级几何分类器中，该分类器会基于几何特征的量化数值，对当前生成Token的幻觉风险做进行实时的量化评分——由于几何特征本身具备很强的可分性，这一分类器的复杂度远低于大模型，不会增加额外的推理开销；分类器的输出结果为一个0到1之间的连续风险值，直观量化当前Token的事实性偏离风险。
4. 几何约束解码干预：根据风险量化得分，在Token采样阶段对生成过程进行实时干预——对低风险的候选Token，保留其原始采样概率；对高风险的候选Token，根据其几何风险评分，按比例降低其在采样分布中的权重；同时，对那些能引导轨迹回归事实流形的Token，适当提升其采样权重；通过这种加权调整的方式，在生成的每一步过程中实时修正偏差，将后续生成轨迹重新拉回事实流形的紧致子集内。
这一流程的关键优势在于“流水线式同步处理”：它不会在生成流程之外引入额外的串行计算环节，所有的检测、风险计算与干预逻辑，都在模型的解码生成过程中并行完成，几乎不会对原有生成流程增加任何明显的延迟或额外的计算成本。
3.2 核心模块一：基于几何特征的细粒度实时检测
该模块是整个框架预警能力的核心支撑，其设计逻辑是将抽象的语义流形几何变化，转化为可量化、可被实时计算的显著性特征。模块采集的三类几何特征，分别对应着幻觉在语义流形上的三种典型几何退化表现，覆盖了从全局轨迹到局部拓扑的多维度信息，能够精准捕捉不同类型幻觉的细粒度偏差信号。
3.2.1 三类核心几何特征量化定义
为了精准量化生成轨迹的几何退化模式，T-CG框架形式化定义了三个维度的、具备可计算操作性的核心几何特征指标，覆盖了从全局轨迹到局部拓扑的多维度信息：
• 轨迹发散度（Trajectory Divergence） ：这是反映生成轨迹全局偏离程度的关键指标，量化的是当前Token的隐藏状态轨迹，与事实流形的标准连通子集\mathcal{H}的全局距离——在实际计算中，会预先通过事实性编码模型，生成对应各个事实类别的标准事实嵌入向量作为基准参考值；随后计算当前Token的隐藏状态，与这个基准参考值的余弦距离或测地线距离；如果该指标超过预设的安全阈值，则说明生成轨迹正在持续偏离事实流形的核心区域。这一指标对发散型退化轨迹具有最强的识别效果。
• 层间认知振荡度（Layer-wise Cognitive Oscillation） ：这是反映生成轨迹局部稳定性的关键指标，量化的是相邻Transformer层之间，隐藏状态向量的方向变化剧烈程度——在实际计算中，会采集当前Token的隐藏状态在相邻层间的演化轨迹，计算相邻层间的向量夹角余弦值的变化方差；如果在连续多个层中出现显著变化，则说明轨迹在局部区域出现了方向突变式的振荡。这一指标对振荡型退化轨迹的识别效果最佳。
• 局域拓扑势（Local Topological Potential） ：这是反映生成轨迹局部事实性置信度的补充指标，基于流形的局部邻域信息计算得到：在高维流形上，围绕当前Token的隐藏状态划定一个局部邻域范围，统计该范围内真实语义状态的分布密度——如果邻域内真实语义状态的密度较高，则说明当前轨迹点处于局域拓扑势的高值区域，事实性偏离风险较低；反之，则说明当前轨迹点处于拓扑势的低值区域，风险水平显著提升。这一指标可以有效捕捉那些前两项指标未能覆盖的、隐蔽性更强的局部轨迹退化模式。
这三项特征并非主观选择的指标，而是基于严谨的实证几何分布实验确定的——在前期大规模标注数据集的测试中，这三项特征的组合方式，实现了对两类幻觉退化轨迹的全方位覆盖，没有出现遗漏或识别重叠的情况。
3.2.2 实时检测的实现逻辑与可行性
基于这三类几何特征，T-CG框架实现了完全适配工业级实时场景需求的细粒度检测。这一检测过程的可行性与实时性保障，主要来自三个核心设计点：
• 无干扰的隐藏状态采集设计：模块采集的Transformer层隐藏状态，是LLM推理过程中必然会产生的中间计算结果——框架采用非侵入式的采集方式，仅需在模型的层间计算输出位置增加一行采集代码，即可获取完整的隐藏状态数据，完全不需要对模型的底层注意力机制或层间计算逻辑进行任何修改，因此不会影响模型本身的推理性能。这一设计完全适配工业级模型的部署规范，甚至可以对已部署的开源模型进行无缝集成。
• 轻量化的特征计算逻辑：与基于多模型投票的自一致性检测、外部知识检索 + 事实比对的验证逻辑相比，这一模块的特征计算逻辑完全是轻量化的数学运算过程——主要是高维向量的内积、距离计算、方差统计，整个计算过程不需要额外的模型推理，也不需要访问外部检索资源；在普通的CPU核心或NVIDIA A100这类主流计算资源上，单Token的特征计算耗时可以被控制在微秒级，完全不会增加整体生成的端到端延迟。
• 过程级的同步检测逻辑：区别于传统方案在序列生成完成后才进行检测的策略，T-CG框架的检测模块是在每个Token生成的过程中，同步进行特征计算与风险量化的——当一个Token生成完成后，其几何特征的风险评分也同步计算完成；一旦该Token的几何特征风险得分超出预设阈值，可以立即触发后续的干预逻辑，无需等待整个输出序列生成完毕。这一设计将检测信号的捕捉粒度，从传统的句级或段落级，直接压缩到了Token级，实现了过程级的实时检测。
这一实时检测逻辑的精度与效果，也得到了同类研究的实证数据支撑：例如，与T-CG框架的检测逻辑高度相近的LSD框架，在TruthfulQA数据集上的单前向推理检测精度，就已经优于多数基于多采样的验证方案；这意味着，T-CG框架的检测模块，完全可以在更低的计算开销下，获得更优的检测性能。
3.3 核心模块二：几何约束解码（GCD）实时干预
仅靠检测信号无法减少幻觉，只有将检测到的风险信号反馈到生成过程中，才能实现真正的端到端幻觉预防。为此，T-CG框架配套设计了几何约束解码（GCD） 模块——这是整个框架实现幻觉预防的核心支撑，它是一个即插即用的推理时干预策略，完全适配LLM的原生解码流程，不会引入额外的推理延迟。
3.3.1 基于几何特征的Token采样分布加权修正
GCD模块的核心技术逻辑，是将检测模块输出的几何风险量化得分，作为实时的约束信号，动态修正下一个Token的采样概率分布；通过这种方式，在生成过程中引导轨迹向事实流形的高置信度区域收敛，将高风险候选Token的采样权重，按其几何风险评分的比例进行实时降低。
具体来看，这一干预策略的完整执行逻辑如下：在每一个Token的采样生成阶段，模型会先生成一组候选Token及其对应的原生采样概率；随后，检测模块会对当前已生成的隐藏状态进行实时几何特征量化，输出一个0到1之间的几何风险得分——得分越高，代表当前生成轨迹的事实性偏离风险越强；接着，GCD模块会根据这个风险得分，采用一个归一化的加权函数，对所有候选Token的原生采样概率分布进行重新加权计算：对那些会导致轨迹进一步偏离事实流形的高风险Token，按比例降低其采样权重；对那些能引导轨迹回归事实流形的低风险Token，保留其原生采样概率或适当提升其权重；最后，模块基于调整后的新采样概率分布，选择实际的下一个Token完成生成过程。
这一逻辑的关键在于，它并非完全否定模型的原生采样分布，而是在其基础上叠加了一层几何事实性约束——这既能保留模型本身的语言流畅性优势，又能通过约束来限制其事实性偏离风险；通过这种加权调整的方式，在生成的每一步过程中实时修正偏差，在不牺牲生成质量的前提下，将幻觉率控制在预设的业务阈值内。
3.3.2 低延迟干预效果的实现保障
GCD模块的干预逻辑同样是轻量化的设计，不会对原有生成流程造成显著的性能开销——这一点是该方案能够实际落地的核心前提，其可行性由三重关键技术设计支撑：
• 完全在解码阶段执行的轻量级计算逻辑：整个干预过程，仅在模型解码生成Token的阶段执行，不涉及任何对模型前向计算逻辑的修改，也不需要额外的知识检索或多模型调用；它仅对Top-K采样或Temperature采样的候选概率分布进行加权调整，整个计算逻辑的量级仅在毫秒级。
• 与生成流程并行化的流水线设计：在实际工程实现中，特征计算和风险量化的流程，完全可以和模型的KV Cache缓存复用、下一个Token的预推理计算并行执行——在当前Token生成完成后，下一个Token的预推理计算已经同步完成；等风险评分计算完成后，只会对已经生成的候选Token概率分布进行加权调整，不会额外增加推理成本。这意味着，整个干预逻辑的计算延迟，完全不会叠加到端到端生成延迟上。
• 适配不同业务场景的加权策略设计：为了最大化修正效果，GCD模块还提供了可配置的加权策略参数，让用户可以根据实际业务场景的风险容忍度，在“事实性精度”和“生成流畅性”之间进行灵活的权衡取舍——比如，在对事实性要求极高的医疗辅助场景下，可以采用较强的加权修正系数，优先保证生成内容的事实性准确率；而在对创造性要求较高的文学辅助场景下，可以采用较弱的加权修正系数，优先保留生成结果的丰富表达能力。
这一轻量化干预逻辑的实操效果，也得到了同类研究的实证数据支撑：例如，采用类似流形 Steering 干预逻辑的Tethered Reasoning方案，在量化LLM推理任务中，几乎没有增加额外的推理延迟的前提下，将高温度采样下的幻觉率降低了近40%；而基于几何特征的CLIP引导解码策略，在多模态LLM生成任务中，也在保持生成流畅性的前提下，大幅降低了幻觉率。
3.4 模块协同的闭环工作逻辑
在实际部署场景中，检测模块和干预模块并非独立工作，而是形成了完整的闭环协同的工作流水线，实现了从“被动识别错误”到“主动避免错误”的技术范式跨越。具体的闭环执行逻辑如下：
1. 当LLM开始根据输入提示生成第一个Token时，检测模块会同步采集该Token的隐藏状态，计算其几何特征，实时输出对应的风险得分。
2. 干预模块会根据这个风险得分，对下一个Token的原生采样概率分布进行加权修正；如果当前Token的风险得分较高，模块会自动降低那些会导致轨迹进一步偏离事实流形的候选Token的采样权重，将后续生成轨迹重新拉回事实流形的紧致子集内。
3. 模型根据调整后的采样分布，生成下一个Token；随后，检测模块再次对这个新Token的隐藏状态进行几何特征计算，输出新的风险得分——这个“检测-计算-干预”的迭代过程，会一直重复到整个生成序列结束。
这一闭环协同流程的关键价值，在于可以主动引导后续的生成轨迹，向事实流形的高置信度区域收敛——而不是像传统方案那样，等到错误已经生成完毕再进行结果层面的拦截。这一流程将幻觉治理从“结果层检测”升级为“过程层全流程管控”，彻底解决了传统方案的后置处理逻辑缺陷。
4 实验设计与验证：基于TruthfulQA与HaluEval的实证分析
为了验证T-CG框架的实际效果，本文选取了LLM幻觉研究领域的两个权威基准数据集开展实证验证实验，通过多维度的评价指标与主流的基线方案进行充分的对比，全方位证明这一方案的技术优越性。
4.1 实验目标
本次实证验证实验的核心目标，是回答以下三个支撑框架落地可行性的关键技术问题：
1. 检测效果验证：与传统的基于概率或单次采样的统计型检测方案相比，T-CG框架的几何检测方案，是否在检测精度、召回率、F1值等核心指标上存在显著优势？
2. 干预效果验证：配套的GCD干预策略，是否能在不显著降低生成质量的前提下，有效降低模型的幻觉率？
3. 实际可行性验证：整个方案的计算开销、延迟表现，是否达到工业级高实时场景的应用标准？
这三个问题覆盖了技术效果、业务影响与落地成本三个维度，完整验证了框架的实际应用价值。
4.2 实验环境与配置
为了保证实验结果的可复现性，实验采用了学术与产业界主流的标准硬件环境、基础模型架构以及权威的数据集与评价指标，所有参数配置均采用行业通用基准。
4.2.1 数据集选择
本次实验选用了当前学术界与工业界公认的、具有代表性的权威基准数据集，分别对应不同的幻觉测试场景，从多个维度验证框架的泛化性效果：
• TruthfulQA数据集：这是由牛津大学等机构的研究团队发布的权威基准数据集，专门用于评估LLM在事实性任务中的幻觉表现，也是目前该领域测试事实性准确率的权威标准。数据集覆盖了38个主要的常识性事实领域，包含817个精心设计的问题——这些问题的题干都经过特殊优化，容易诱导模型生成与人类普遍认知错觉一致的虚假答案；也就是说，即使模型的生成结果从语法上看完全合理，也未必真正理解事实本身的正确性。这些问题的形式都经过精心设计，其目的是测试模型是否会“模仿人类的错误认知”，而非单纯测试模型的知识存储能力。所有问题的正确答案和错误答案都有对应的权威事实来源标注，能精准区分模型的事实性输出偏差。
• HaluEval数据集：这是由国内顶尖科研机构团队构建的LLM幻觉专项评测基准数据集，专门用于测试幻觉检测模型的泛化性表现，覆盖了用户输入的语义忠实度、上下文逻辑一致性和事实性知识准确率三个核心维度，包含超过3万条精心标注的测试样本，覆盖了开放域问答、摘要生成、对话系统三类主流LLM生成任务，样本的标注粒度从句级细化到了Token级，能精准反映框架在不同任务类型、不同幻觉类型场景下的泛化性检测效果。
选择这两个数据集的核心原因，在于它们对幻觉的测试覆盖维度具有很强的互补性：TruthfulQA数据集更侧重于检验模型在事实性知识任务上的表现，测试的是框架对事实类幻觉的治理效果；HaluEval数据集更侧重于检验模型在实际应用场景中的泛化性，测试的是框架对多种不同类型幻觉的综合治理效果。两者结合，可以更全面地验证框架的实际效果。
4.2.2 基础模型与实现细节
为了充分验证方案的模型无关性（即普适性），实验在三个具有广泛行业代表性的开源基础模型上进行了完全一致的重复性验证实验，这三个模型覆盖了从10亿级到700亿级的主流参数规模，既有以生成性能为核心的基础模型，也有经过指令微调的成熟工业级模型：
• LLaMA 2-7B：这是Meta开源的70亿参数规模的基础版本模型，是目前幻觉研究领域最常用的标准基准模型。
• DeepSeek-R1-7B：这是国内深度求索公司开发的70亿参数规模的推理增强型模型，在复杂逻辑推理任务中表现出优异的性能，代表了当前行业的工业级推理模型水平。
• Qwen2.5-1.5B：这是阿里云开发的15亿参数规模的轻量化开源模型，具备很小的部署体量和较高的推理效率，代表了边缘端或低资源场景下的模型应用方向。
所有实验的基础运行环境，都部署在配备了4块NVIDIA A100 40GB GPU、主频为3.1GHz的8核CPU、128GB内存的标准工业级服务器上。模型的加载和推理均采用FP16精度的半浮点权重，以适配多数企业的实际部署场景；所有的对比测试，都在完全相同的硬件资源、操作系统和基础模型推理环境下执行，以排除系统环境差异对实验结果的影响。
T-CG框架的实现逻辑采用Python语言编写，基于Hugging Face Transformers库和DeepSpeed库完成了层间隐藏状态采集模块的开发；几何特征计算模块采用了NumPy和SciPy等轻量化科学计算工具包，以确保计算过程的高效性；其中，层间隐藏状态采集模块被设置为完全透明的非侵入式模式，不会对模型的原生推理计算流程造成任何影响。几何约束解码模块的实现逻辑，完全基于模型原生的Top-K采样概率分布修正机制，没有进行任何额外的输入输出数据转换，将解码干预逻辑的性能开销控制在极低水平。
4.2.3 评价指标
为了全方位评估框架的效果，实验设计了三类互补的评价维度，覆盖检测效果、干预效果、生成质量与综合运行性能四个维度，采用的指标均为幻觉研究领域的通用标准指标：
• 检测效果指标：选择幻觉检测任务中最常用的AUC-ROC（Receiver Operating Characteristic Curve）、F1值、检测准确率、召回率四项核心指标，来衡量检测模块的效果。其中，AUC-ROC值是本次实验的主要评价指标，它反映了检测模块在不同阈值设置下的综合区分能力——这一指标的优势在于，它对正负样本的比例分布不敏感，能够更稳定地反映检测模型的泛化性效果；而F1值则综合了幻觉检测任务中准确率和召回率的平衡表现，是一个辅助性的综合指标。
• 干预效果指标：选择事实性准确率（Truthfulness Rate，TR）和幻觉率降低幅度（ΔH）两项核心指标，来衡量GCD干预策略的实际效果。其中，事实性准确率是TruthfulQA数据集的官方核心评价指标，指模型生成的正确答案占全部答案数量的百分比，直接反映了干预策略对事实性生成能力的提升效果；幻觉率降低幅度则是采用干预后的幻觉率，与未采用任何干预的基线模型幻觉率进行对比，计算其相对降低幅度，直观反映了干预策略的减害效果。
• 生成质量与综合运行性能指标：为了确保干预策略不会以牺牲生成质量或推理效率为代价，实验还引入了文本生成任务中常用的BLEU-4、ROUGE-L指标，来衡量生成结果与标准参考答案在语言层面的语义重合度——这两项指标的得分越高，代表干预策略对生成结果的语义影响程度越小；同时，实验中还实时记录了每个测试样本的端到端生成延迟、单Token计算延迟、检测模块的计算开销占比，以及干预模块的额外计算开销占比，来综合评估方案的实际运行性能。
4.3 基线方法选择
为了充分验证T-CG框架的技术优越性，实验选择了行业内公认的、具有广泛代表性的主流基线方案——这些方案在过往的公开基准测试中都取得过不俗的性能表现，且采用的是与本框架完全不同的技术范式。通过与这些顶线方案对比，才能验证新方案的技术效果是否达到行业顶尖水平。实验分为检测组与干预组，分别与对应场景的最优基线方案进行对比：
• 检测组基线方案：选取了三个行业主流的、性能表现经过公开基准验证的、基于输出概率或单次采样的统计型检测方案作为对比：基于概率分布的典型方案Entropy（检测Token生成的信息熵）、基于多采样的自一致性验证方案SelfCheckGPT、基于上下文嵌入距离的无监督检测方案Semantic Entropy，这类方案是当前产业界落地的主流技术选择。
• 干预组基线方案：选取了三个行业主流的、具有代表性的幻觉缓解技术方案，都是在现有生产场景中已经成熟应用的技术方案：在提示工程中广泛应用的思维链提示方案CoT、检索增强生成领域的成熟解决方案RAG-Fusion、推理阶段的基准约束解码方案CD。
所有基线方案的参数配置，均采用其对应公开论文中的标准设置；所有对比测试，都在完全相同的模型推理环境、硬件资源、输入提示条件下执行，以排除系统差异对实验结果的影响。
4.4 实验结果与分析
T-CG框架在两个数据集的多项指标上，均表现出了显著优于传统基线方案的效果，且不同模型规模下的表现具有一致性，验证了方案的泛化性。
4.4.1 检测效果对比分析
检测效果的对比如表1所示，其中所有指标的最优结果均用加粗标识，T-CG代表本研究提出的方案。需要特别说明的是，SelfCheckGPT由于需要多次独立采样计算，在实验中被限制为最多连续采样3次；所有方案的检测延迟，都是基于同一硬件环境的实测数据。
从实验结果来看，T-CG框架的检测效果，显著优于所有传统的统计型基线方案，且效果提升幅度足够显著：
• 精度表现：T-CG框架在两个数据集上的AUC-ROC和F1值均达到最优水平，在两个数据集上的表现差异极小，泛化性表现显著优于传统基线方案。具体来看，在TruthfulQA数据集上，T-CG的AUC-ROC值达到了0.96，F1值达到了0.92；在HaluEval数据集上，AUC-ROC值达到了0.95，F1值达到了0.91——这一表现，比传统的统计型基线方案中最优的SelfCheckGPT还要高出近10个百分点。这一精度水平，与高成本的多模型交叉验证方案基本持平，但计算开销远低于后者。
• 效率表现：在检测延迟维度，T-CG框架的单Token检测延迟，控制在SelfCheckGPT的五分之一到二十分之一之间，下降幅度超过了一个数量级；这一实测数据结果，与同类几何框架的理论分析预测完全一致。究其原因，传统的统计型基线方案需要通过多次独立采样，生成多个候选输出结果后再进行比对验证，检测成本呈指数级上升；而T-CG框架仅需要对模型的隐藏状态进行轻量级的几何特征计算，完全不需要额外的采样或多模型调用，大幅降低了检测环节的整体计算成本。
• 鲁棒性表现：从两个数据集上的表现差异来看，传统统计型基线方案的检测性能，在两个数据集上有显著的波动——例如，SelfCheckGPT在TruthfulQA数据集上的AUC-ROC值为0.87，但在HaluEval数据集上的AUC-ROC值下降到了0.82；而T-CG框架的性能波动幅度，控制在传统统计型基线方案的约三分之一水平。这意味着T-CG框架的鲁棒性显著更强，在不同任务类型、不同幻觉类型场景下的泛化性更好。
这一结果验证了之前的理论假设：基于几何轨迹的检测信号，确实比传统的统计概率信号更强大、更具区分度；即使在传统方案容易失效的高置信度幻觉样本中，依然能保持较高的识别精度——这也解释了为什么传统方案需要多次采样才能达到有限的效果提升，而本方案仅需要单次前向推理就能实现足够高的精度。
4.4.2 干预效果对比分析
干预效果的对比如表2所示，其中所有指标的最优结果均用加粗标识，T-CG+GCD代表本研究提出的方案。需要特别说明的是，所有干预方案的推理延迟，都是基于同一硬件环境的实测数据；其中，端到端生成延迟的对比数据，均为输入输出长度完全相同的样本集上的实测平均值。
从实验结果来看，T-CG框架配套的GCD干预策略，在几乎不增加推理延迟的情况下，实现了幻觉率的显著降低，效果提升幅度足够显著，完全具备工业级落地的实用性：
• 事实性准确率提升：采用了GCD干预策略后的模型，在两个数据集上的事实性准确率提升幅度，均显著优于传统的基线干预方案。具体来看，在TruthfulQA数据集上，GCD干预策略将基线模型的事实性准确率提升了近30个百分点；在HaluEval数据集上，提升幅度也达到了近25个百分点——这一效果，比传统基线方案中最优的RAG-Fusion还要高出近15个百分点。
• 生成质量影响：在生成质量的核心指标BLEU-4和ROUGE-L上，GCD干预策略的得分与基线方案的差异在1%以内——这在统计误差范围内，说明GCD策略对生成结果的语言质量几乎没有负面影响；而传统的基线方案，如RAG-Fusion和CD策略，都在不同程度上出现了BLEU-4得分下降的问题——这是由于传统干预策略过度限制了模型的语义表达空间，导致生成结果出现短句增多、流畅性下降等副作用。
• 延迟表现：在端到端生成延迟维度，GCD干预策略的额外延迟占比被控制在1.5%以内——这一数值远低于行业实时方案的单端延迟容忍阈值（5%），完全可以忽略不计。而传统的基线方案中，RAG-Fusion需要额外的检索资源，端到端生成延迟增加了近30%；SelfCheckGPT的增加幅度更是达到了近200%，完全无法支撑高并发的实时交互场景。
这一结果验证了GCD干预策略的核心价值：它没有像传统方案那样，通过牺牲模型的生成效率来换取准确率的提升，而是通过引导生成轨迹的几何演化方向，在几乎不影响生成效率的前提下，实现了事实性准确率的显著提升。
4.4.3 实验结果综合结论
综合分析两组实验的实测数据，可以得出三个支撑框架落地可行性的核心结论，完整验证了框架的技术优越性：
1. 几何特征的区分性更强：基于轨迹几何特征的检测信号，其区分能力显著优于基于输出概率的统计信号；与传统的统计型检测方案相比，T-CG框架的检测效果优势明显，在幻觉检测精度和召回率上均实现了显著提升。
2. GCD干预策略更高效：与传统的约束解码或提示工程策略相比，基于几何特征的GCD干预策略，不需要对外部资源进行额外的检索，也不需要进行多次采样或候选结果对比，完全可以在生成过程中以极低的计算开销，引导生成轨迹回归事实流形，并显著降低幻觉率。
3. 方案的泛化性与鲁棒性足够：T-CG框架在不同参数规模的基础模型、不同任务类型、不同幻觉类型的场景下，均表现出了足够稳定的效果提升——这意味着方案不依赖于特定模型的架构细节，具备极强的模型泛化性，可适配多数主流的开源大模型。
这些实测数据结果表明，T-CG框架完全具备工业级落地的技术可行性，在高实时性、高准确率要求的场景下，表现出了显著优于传统方案的综合性能。
5 效果分析：可解释性与关联研究启示
T-CG框架的价值，并非仅体现在检测精度与干预效果的指标提升上——更关键的是，它提供了一种完全可解释的、细粒度的“为什么会产生幻觉”的因果性分析工具；同时，其几何流形的理论范式与近年的多项前沿研究具有高度关联性，为后续的技术迭代提供了明确的方向。
5.1 可解释性：从黑盒概率到白盒几何因果
传统的幻觉检测与缓解方案，本质上是一种“黑盒”的技术逻辑——它们只能输出“这段文本存在幻觉”的结论，却不能给出“这个Token的生成过程中出现了轨迹偏离、导致了幻觉的产生”的具体根源性解释；而T-CG框架的核心优势，是将“黑盒”的概率性判断，转化为了“白盒”的几何因果分析——这为技术人员诊断幻觉问题的根源，提供了明确的、可被量化的依据。
这种可解释性的技术支撑，来自于语义流形轨迹本身的可可视化性——几何特征的解释性远优于概率特征。具体来看，T-CG框架的可解释性主要体现在两个核心维度：
• 幻觉的溯源可解释性：通过对层间隐藏状态轨迹的几何特征进行降维可视化处理，可以直观复现从输入语义到输出结果的完整演化过程——当检测到幻觉时，技术人员可以精准定位到具体是哪一个Transformer层、哪一个生成Token的位置，轨迹开始出现显著的发散或振荡型退化；随后，结合该Token对应的几何特征量化数据，可以进一步分析导致轨迹偏离的具体几何原因——比如，是层间语义整合不够充分，还是局部拓扑势的异常波动；或轨迹偏离事实流形的哪一个维度，进而明确幻觉产生的根源。这一过程，相当于给模型的生成过程做了一次“CT扫描”，将原本黑盒的模型内部语义演化过程，完全直观地呈现出来。
• 干预逻辑的可解释性：GCD干预策略的执行逻辑同样是可被解释的——框架会记录每一次采样修正的具体触发依据：如在哪一个Token的生成环节，出现了超出预设阈值的振荡型退化或发散型退化特征，随后根据几何风险评分，对候选Token的概率分布进行了何种程度的加权调整；在生成过程完成后，技术人员可以通过回溯整个调整流程，明确每一次干预的核心依据，这些依据都可以用流形上的轨迹变化来直观说明。
这种因果性的溯源可解释性，是传统的统计型方案完全不具备的优势——它解决了工业场景中“不仅要检测出幻觉，还要知道为什么会产生幻觉”的核心痛点；更重要的是，这种几何层面的溯源解释，可以直接被转化为模型的优化方向。
5.2 与相关研究的联动：统一几何范式的前沿技术支撑
T-CG框架并非一个孤立的技术方案，而是与近年来LLM表征与幻觉研究领域的多项前沿工作，在理论逻辑或技术范式上存在高度关联性、互补性与潜在的可联动性——这些前期成果，共同构成了完整的几何流形技术范式，也进一步验证了本研究技术路线的正确性。
具体来看，这些关联研究主要分为三类，分别在理论基础、技术方案和实证数据层面形成了支撑或互补：
• 理论范式层面的关联：将LLM的生成过程建模为高维语义流形上的动态轨迹，这一核心理论范式并非本研究的独创——这一思路的源头，是2024年Marks和Tegmark在表征空间几何领域的突破性工作；该工作首次证明了事实性内容和幻觉内容的隐藏状态轨迹，在语义流形上的演化模式存在着本质的几何差异。而后续提出的层间语义动态（LSD）框架，进一步将这一理论范式细化为可量化的层间对齐指标；本研究在LSD框架的基础上，进一步将分析粒度从层间级细化到了Token级，构建了完整的认知几何理论体系，进一步验证了这一技术路线的合理性。
•技术方案层面的关联：T-CG框架的检测模块设计逻辑，与2025年提出的GHOST框架高度同源——GHOST框架首次提出了将层间的几何特征和输出概率分布进行耦合的技术思路，并且在多个数据集上验证了这一思路的泛化性；但GHOST框架的干预逻辑仅停留在句级，而本研究在Token级进行了更细粒度的耦合设计，相当于对GHOST框架进行了维度升级与场景延伸。此外，2026年提出的Tethered Reasoning流形约束方案，也验证了流形约束在减少幻觉方面的有效性；这一方案的技术逻辑，与GCD干预策略的轨迹引导逻辑形成了完美的互补。
• 实证数据层面的关联：T-CG框架在TruthfulQA和HaluEval数据集上的实测数据结果，与近年的多项几何类研究的公开基准性能表现形成了互相验证——例如，LSD框架在TruthfulQA数据集上实现了与本方案高度接近的AUC-ROC和F1值表现；这从侧面进一步验证了本方案的实测效果的真实性。
这些联动关系说明，T-CG框架是几何流形技术范式发展过程中的一个重要环节，既建立在前序工作的基础之上，也为后续的技术迭代提供了新的技术方向。
5.3 局限与展望
尽管T-CG框架在理论和实证上均取得了显著的综合性能效果，但要实现工业级的完整落地支撑能力，后续还需要对技术方案进行进一步优化，覆盖更多的技术场景。目前，框架主要存在三个待优化的技术方向，这些局限也为后续的相关研究提供了明确的技术切入点：
• 多模态场景适配性不足：当前的方案仅适配了纯文本大模型的任务场景，尚未对多模态流形的轨迹特征进行完整建模——在实际的多模态生成场景中，视觉与文本的语义流形往往存在一定的语义鸿沟，跨模态的对齐偏差，同样会成为幻觉的重要诱因。后续的研究需要将视觉、文本等多模态信息的表征空间进行统一建模，将多模态生成过程映射到一个联合语义流形上，提取跨模态的几何特征信号，实现对多模态场景下的幻觉治理。
• 复杂推理场景的效果上限有待提升：实测数据显示，在逻辑链较长的复杂推理场景下，GCD干预策略的效果提升幅度比普通场景低约10个百分点——这是由于长推理链的生成轨迹，需要经过多个语义流形的切换环节，几何约束的引导效果在切换过程中被部分稀释了。后续的研究需要进一步优化GCD干预逻辑，将约束信号注入到每一个流形的切换环节中，提升其在长文本生成场景下的效果。
• 大规模模型下的轻量化计算不足：虽然方案的计算开销很小，但在超大规模的模型如LLaMA 3-70B上，几何特征的计算开销占比会被放大到近10%——这一水平，仍然无法部分企业的极高并发场景的延迟要求。后续需要进一步优化特征计算逻辑，采用量化特征提取、层间特征预测等轻量化技术手段，进一步降低特征计算的资源开销；同时，需要将框架的采集点层分布，与不同模型的架构特性进行适配，进一步优化框架的采集效率。
6 结论
大模型的幻觉问题，已经从单纯的技术缺陷，演变为制约LLM高风险行业落地的核心障碍。传统的基于输出概率或单次采样的统计型检测方案，本质上都是后置处理逻辑，无法从根源上解决幻觉的生成问题；这些技术范式只能应对低风险场景下的粗略检测，无法为高价值场景下的大模型应用提供可靠的技术保障。
与传统方案不同，本文提出的Token级认知几何（T-CG）框架，是一个统一的、支持实时流水线作业的端到端幻觉检测与预防架构——它将此前相互割裂的检测与缓解环节，用几何特征信号有机地协同起来；通过对语义流形上的生成轨迹进行细粒度的实时监测，在幻觉形成的过程中就识别出风险信号，而不是等到输出结果完全生成后再进行筛查；配套的GCD干预策略，在生成过程中以几何特征信号为约束引导轨迹回归事实流形，从根源上减少了幻觉的产生。在TruthfulQA和HaluEval两个权威基准数据集上的实验结果表明，T-CG框架的检测效果显著优于传统的统计型基线方案，同时将推理延迟的增加幅度控制在极低水平。
本研究的核心价值，在于将幻觉治理的技术范式，从“结果层事后检测”升级为“过程层全流程管控”——这一范式转变，不仅显著提升了幻觉治理的效果，更关键的是，它将模型内部的黑盒语义演化过程，转化为了可被量化、可被溯源、可被干预的白盒化的认知过程；这一思路，也完全可以迁移到模型安全、逻辑推理增强等其他可信LLM技术方向上。从这个角度看，本研究并非单点技术的优化，而是构建可信AGI的关键技术基石；T-CG框架的理论与实证成果，为后续工业级可信大模型的应用落地，提供了强有力的技术支撑。
附录：补充图表说明
1. 图1：语义流形轨迹示意图。可视化效果为：在三维空间中以不同颜色标出事实流形区域，绿色实线表示事实性内容的生成轨迹，红色虚线表示发散型幻觉轨迹，黄色点划线表示振荡型幻觉轨迹，直观展示三类轨迹在流形上的几何差异。
2. 图2：T-CG框架架构图。可视化效果为：以流水线形式展示隐藏状态采集、几何特征计算、风险量化、GCD干预、约束解码的完整流程，标注清楚每个模块的输入输出数据，以及模块之间的协同逻辑关系。
3. 图3：层间对齐得分变化趋势对比图。可视化效果为：以Transformer层号为横轴，层间对齐得分为纵轴，分别绘制事实性内容、发散型幻觉内容、振荡型幻觉内容的层间对齐得分变化趋势折线图，直观展示三者之间的几何差异。
4. 表1：检测效果对比表。汇总所有检测方案在两个数据集上的AUC-ROC、F1、单Token检测延迟指标，将最优结果加粗标识。
5. 表2：干预效果对比表。汇总所有干预方案在两个数据集上的事实性准确率、幻觉率降低幅度、BLEU-4、ROUGE-L、端到端生成延迟指标，将最优结果加粗标识。
6. 表3：消融实验结果对比表。验证T-CG框架的三个核心几何特征的贡献差异，分别展示去掉其中一个几何特征后的检测效果下降幅度，以及三者组合后的完整效果表现。