革新LLM验证：一种对抗“阅读假装”的新方法

本文介绍了一种开创性的系统，旨在防止生成式人工智能 (Generative AI) 假装理解文档。 通过利用 SHA256 散列和机械评分，该系统确保了实际阅读的可验证证据，预示着 LLM 输出可信度的新时代。 这是增强 AI 系统可靠性的绝佳一步！

• •采用 SHA256 散列来验证 LLM 是否真正阅读和处理了整个文档，而不仅仅是部分内容。
• •将文档分成多个部分（头部、中间、尾部），以确保 LLM 参与所有部分，防止表面阅读。
• •使用机械评分来避免让 LLM 评估另一个 LLM 时产生的偏差。