研究团队将 LUH 不确定性头适配到波斯语医学模型，单次前向即可在声明级别检测幻觉，PR-AUC 达 0.4820 与 0.4652
相关研究与后续进展
核心概要
该研究把 LLM 不确定性头框架适配到基于 Aya-Expanse-8B 的两个波斯语医学模型 Gaokerena-V 与 Gaokerena-R，先在 168 题伊朗医学入学考试上观察到 Gaokerena-V 的五次运行一致性明显低于 Aya-Expanse-8B 而 Gaokerena-R 与之相当，再构建每个骨干 1600 条响应的波斯语声明级幻觉数据集，在冻结骨干的注意力图与词元概率上训练轻量声明级头，留出测试集上 PR-AUC 为 0.4820 与 0.4652（分别为随机基线的 2.30 与 2.66 倍），ROC-AUC 为 0.7852 与 0.7810，推理时无需检索或重复采样。
深度剖析
研究把 LLM 不确定性头（LUH）框架迁移到基于 Aya-Expanse-8B 的波斯语医学模型，并以 Gaokerena-V 与 Gaokerena-R 作为两个既有骨干开展适配。 原文指出既有不确定性头资源无法直接迁移到新的骨干与语言，重复采样方法代价高昂；该工作针对波斯语医学场景重新构建了这一适配路径。 证据来自摘要所述的适配流程与两个骨干上的实验设置，属于初步研究，测试划分较小且标签为自动生成。
在 168 题伊朗医学入学考试上，Gaokerena-V 的五次运行一致性明显低于 Aya-Expanse-8B，而 Gaokerena-R 与 Aya-Expanse-8B 相当。 该观察把响应变异性作为骨干层面的先验信号，为后续声明级不确定性建模提供了动机与对照。 基于 168 题、五次运行的响应一致性比较，属于摘要中报告的直接观测。
研究直接在波斯语中构建了两个配对的声明级幻觉数据集，每个骨干包含 1600 条响应，并在冻结骨干的注意力图与词元概率上训练轻量声明级头。 与依赖检索或重复采样的方案不同，该设计把不确定性估计压缩到单次前向可得的内部信号上。 数据集规模与训练信号来源在摘要中明确给出，标签为自动生成。
在留出测试集上，两个头分别取得 PR-AUC 0.4820 与 0.4652，为各自随机基线的 2.30 与 2.66 倍，ROC-AUC 为 0.7852 与 0.7810，且推理时不需要检索或重复采样。 该结果给出波斯语医学模型上单次前向声明级不确定性估计的初步量化表现，并显示相对随机基线的提升幅度。 指标来自留出测试划分；原文同时说明测试划分较小、标签自动生成，因此属于初步证据。
启示与展望
该工作面向波斯语医学问答场景，适用于以 Aya-Expanse-8B 为基础、以 Gaokerena-V 与 Gaokerena-R 为骨干的模型，并在推理时以单次前向给出声明级不确定性，不需要检索或重复采样。对希望以低推理成本获得声明级幻觉信号的开发者与研究者，这一设定提供了可直接对照的起点：在 168 题伊朗医学入学考试上的五次运行一致性观察可用于判断骨干的响应稳定性，而每个骨干 1600 条响应的波斯语声明级数据集与冻结骨干注意力图、词元概率上训练的轻量头，构成了可复用的适配范式。原文将自身定位为波斯语医学语言模型单次前向声明级不确定性估计的初步研究，因此其结论适用于这一语言、领域与骨干组合下的实验设置。
原文自述测试划分较小且标签为自动生成，因此 PR-AUC 0.4820 与 0.4652、ROC-AUC 0.7852 与 0.7810 的稳定性与标签噪声影响仍是开放问题。摘要未给出头的具体结构、训练细节、数据集构建流程与自动标注方式，也未报告置信区间或跨骨干的统计比较，这些需要查阅正文才能判断。此外，168 题一致性观察与声明级数据集之间的关系、以及该适配在波斯语医学之外的语言与骨干上的表现，均属于尚待检验的范围。