arXiv:2511.12520v1 Announce Type: new 
Abstract: Retrieval-Augmented Generation (RAG) improves large language models by retrieving external knowledge, often truncated into smaller chunks due to the input context window, which leads to information loss, resulting in response hallucinations and broken reasoning chains. Moreover, traditional RAG retrieves unstructured knowledge, introducing irrelevant details that hinder accurate reasoning. To address these issues, we propose TAdaRAG, a novel RAG framework for on-the-fly task-adaptive knowledge graph construction from external sources. Specifically, we design an intent-driven routing mechanism to a domain-specific extraction template, followed by supervised fine-tuning and a reinforcement learning-based implicit extraction mechanism, ensuring concise, coherent, and non-redundant knowledge integration. Evaluations on six public benchmarks and a real-world business benchmark (NowNewsQA) across three backbone models demonstrate that TAdaRAG outperforms existing methods across diverse domains and long-text tasks, highlighting its strong generalization and practical effectiveness.

تقدم الورقة المعنونة 'TAdaRAG: Task Adaptive Retrieval-Augmented Generation via On-the-Fly Knowledge Graph Construction' إطارًا جديدًا يهدف إلى تحسين أساليب الجيل المعزز بالاسترجاع (RAG). غالبًا ما يعاني RAG التقليدي من فقدان المعلومات بسبب قيود سياق الإدخال ويسترجع معرفة غير منظمة قد تُدخل تفاصيل غير ذات صلة. يعالج TAdaRAG هذه المشكلات من خلال بناء رسوم بيانية للمعرفة تتكيف مع المهام في الوقت الفعلي، باستخدام آلية توجيه مدفوعة بالنية وتعلم تعزيز لدمج المعرفة بشكل فعال. تشير التقييمات إلى تحسينات كبيرة عبر معايير متعددة.

El artículo titulado 'TAdaRAG: Task Adaptive Retrieval-Augmented Generation via On-the-Fly Knowledge Graph Construction' presenta un nuevo marco destinado a mejorar los métodos de Generación Aumentada por Recuperación (RAG). El RAG tradicional a menudo sufre de pérdida de información debido a las limitaciones de contexto de entrada y recupera conocimientos no estructurados que pueden introducir detalles irrelevantes. TAdaRAG aborda estos problemas construyendo gráficos de conocimiento adaptativos a la tarea en tiempo real, utilizando un mecanismo de enrutamiento basado en la intención y un apr…

L'article intitulé 'TAdaRAG: Task Adaptive Retrieval-Augmented Generation via On-the-Fly Knowledge Graph Construction' présente un nouveau cadre visant à améliorer les méthodes de génération augmentée par récupération (RAG). Le RAG traditionnel souffre souvent de pertes d'information dues aux limitations du contexte d'entrée et récupère des connaissances non structurées qui peuvent introduire des détails non pertinents. TAdaRAG aborde ces problèmes en construisant des graphes de connaissances adaptatifs aux tâches en temps réel, en utilisant un mécanisme de routage basé sur l'intention et un a…

The paper titled 'TAdaRAG: Task Adaptive Retrieval-Augmented Generation via On-the-Fly Knowledge Graph Construction' introduces a new framework aimed at enhancing Retrieval-Augmented Generation (RAG) methods. Traditional RAG often suffers from information loss due to input context limitations and retrieves unstructured knowledge that can introduce irrelevant details. TAdaRAG addresses these issues by constructing task-adaptive knowledge graphs in real-time, utilizing an intent-driven routing mechanism and reinforcement learning for effective knowledge integration. Evaluations indicate signific…

TAdaRAG: Task Adaptive Retrieval-Augmented Generation via On-the-Fly Knowledge Graph Construction

Medtech founder and educator Rush Bartlett talks about medtech innovation on both sides of the pond.
Read more: <a rel="nofollow" href="https://www.siliconrepublic.com/innovation/stanford-biodesign-medtech-innovation-bioinnovate-ireland-galway-startups-healthcare">Ireland is top for medtech innovation, says Stanford expert</a>

يبرز راش بارتليت، مؤسس ومربي في مجال التكنولوجيا الطبية، مكانة أيرلندا الرائدة في الابتكار في هذا المجال، مشيرًا إلى التقدم الذي يحدث في غالواي. تعكس رؤاه اعترافًا متزايدًا بأيرلندا كمركز لتطوير التكنولوجيا الصحية.

Rush Bartlett, fundador y educador en medtech, destaca la posición de Irlanda como líder en innovación medtech, enfatizando los avances que se están realizando en Galway. Sus comentarios reflejan un reconocimiento creciente de Irlanda como un centro de desarrollo tecnológico en el sector de la salud.

Rush Bartlett, fondateur et éducateur en medtech, souligne la position de leader de l'Irlande en matière d'innovation medtech, mettant en avant les avancées réalisées à Galway. Ses réflexions témoignent d'une reconnaissance croissante de l'Irlande comme un pôle de développement technologique dans le secteur de la santé.

Rush Bartlett, a medtech founder and educator, highlights Ireland's leading position in medtech innovation, emphasizing the advancements occurring in Galway. His insights reflect a growing recognition of Ireland as a hub for healthcare technology development.

Ireland is top for medtech innovation, says Stanford expert

It’s not the time to bet against the biggest US technology names, according to short-seller Carson Block, even as warnings rise about a potential bubble in artificial intelligence.

قال كارسن بلوك، مؤسس شركة مادّي ووترز، إنه ليس الوقت المناسب للمراهنة ضد أكبر شركات التكنولوجيا الأمريكية، على الرغم من تزايد التحذيرات بشأن احتمال وجود فقاعة في الذكاء الاصطناعي. ويعتقد أن الظروف الحالية في السوق لا تدعم المراهنة ضد هؤلاء العمالقة التكنولوجيين.

Carson Block, fundador de Muddy Waters, ha desaconsejado apostar en contra de las principales empresas tecnológicas de EE. UU., a pesar de las crecientes preocupaciones sobre una posible burbuja en el sector de la inteligencia artificial. Considera que las condiciones actuales del mercado no favorecen las apuestas contra estos gigantes tecnológicos.

Carson Block, le fondateur de Muddy Waters, a déconseillé de parier contre les grandes entreprises technologiques américaines, malgré les préoccupations croissantes concernant une éventuelle bulle dans le secteur de l'intelligence artificielle. Il estime que les conditions actuelles du marché ne favorisent pas les paris contre ces géants de la technologie.

Carson Block, the founder of Muddy Waters, has advised against shorting major US technology companies, despite increasing concerns about a potential bubble in the artificial intelligence sector. He believes that the current market conditions do not favor betting against these tech giants.

Muddy Waters’ Carson Block Says It’s Not the Time to Short Big Tech

A new study by the University of Cambridge found many authors’ work has already been used – without their permission – to train large language modelsMore than half of published novelists in the UK believe artificial intelligence could eventually replace their work entirely, according to a new report from the University of Cambridge.<a href="https://www.mctd.ac.uk/wp-content/uploads/2025/11/MCTD-AIAndTheNovel-PolicyBrief-Accessible.html">The study</a>, conducted for the university’s Minderoo Centre for Technology and Democracy, suggests widespread unease about the speed and scale of AI’s advance into the literary world. <a href="https://www.theguardian.com/books/2025/nov/20/more-than-half-of-uk-novelists-believe-ai-will-replace-their-work">Continue reading...</a>

تظهر دراسة أجرتها جامعة كامبريدج أن أكثر من نصف الروائيين المنشورين في المملكة المتحدة يخشون أن تحل الذكاء الاصطناعي محل أعمالهم تمامًا. تسلط هذه الدراسة، التي أجريت لصالح مركز ميندورو للتكنولوجيا والديمقراطية، الضوء على القلق بشأن الاستخدام غير المصرح به لأعمال المؤلفين لتدريب نماذج اللغة الكبيرة والتقدم السريع للذكاء الاصطناعي في المجال الأدبي.

Un estudio de la Universidad de Cambridge revela que más de la mitad de los novelistas publicados en el Reino Unido temen que la inteligencia artificial pueda reemplazar completamente su trabajo. La investigación, realizada para el Minderoo Centre for Technology and Democracy, destaca las preocupaciones sobre el uso no autorizado de las obras de los autores para entrenar grandes modelos de lenguaje y el rápido avance de la IA en el ámbito literario.

Une étude de l'Université de Cambridge révèle que plus de la moitié des romanciers publiés au Royaume-Uni craignent que l'intelligence artificielle ne remplace complètement leur travail. La recherche, réalisée pour le Minderoo Centre for Technology and Democracy, met en lumière les préoccupations concernant l'utilisation non autorisée des œuvres des auteurs pour former de grands modèles de langage et l'avancement rapide de l'IA dans le domaine littéraire.

A study by the University of Cambridge reveals that over half of published novelists in the UK fear that artificial intelligence could completely replace their work. The research, conducted for the Minderoo Centre for Technology and Democracy, highlights concerns regarding the unauthorized use of authors' work to train large language models and the rapid advancement of AI in the literary field.

More than half of UK novelists believe AI will replace their work

<a href="https://petapixel.com/2025/11/20/trumps-draft-executive-order-targets-states-enacting-ai-transparency-laws/"><img width="1600" height="840" src="https://petapixel.com/assets/uploads/2024/03/eu-ai-act-3.jpg" class="attachment-card-large size-card-large wp-post-image" alt="EU AI Act illustration, cyborg face with electronic-style lines and markings" decoding="async" fetchpriority="high" /></a>President Donald Trump is mulling an executive order that would block state laws requiring AI companies to publish transparency reports and disclose how they train models.
[<a href="https://petapixel.com/2025/11/20/trumps-draft-executive-order-targets-states-enacting-ai-transparency-laws/">Read More</a>]

يعتزم الرئيس دونالد ترامب إصدار أمر تنفيذي يمنع الولايات من تنفيذ قوانين تتطلب من شركات الذكاء الاصطناعي نشر تقارير شفافية وكشف تفاصيل حول كيفية تدريب نماذجها.

El presidente Donald Trump está considerando una orden ejecutiva que impediría a los estados implementar leyes que exigen a las empresas de IA publicar informes de transparencia y detalles sobre sus procesos de entrenamiento de modelos.

Le président Donald Trump envisage un décret exécutif qui empêcherait les États de mettre en œuvre des lois exigeant des entreprises d'IA qu'elles publient des rapports de transparence et des détails sur leurs processus de formation de modèles.

President Donald Trump is considering an executive order that would prevent states from implementing laws that require AI companies to disclose transparency reports and details on their model training processes.

Trump’s Draft Executive Order Targets States Enacting AI Transparency Laws

<img width="800" height="450" src="https://analyticsindiamag.com/wp-content/uploads/2025/01/Elon-Musk-is-Using-100000-GPUs-for-Grok-3-But-Why-1300x731.jpg" class="webfeedsFeaturedVisual wp-post-image" alt="" style="display: block; margin: auto; margin-bottom: 5px;max-width: 100%;" link_thumbnail="" decoding="async" fetchpriority="high" srcset="https://analyticsindiamag.com/wp-content/uploads/2025/01/Elon-Musk-is-Using-100000-GPUs-for-Grok-3-But-Why-1300x731.jpg 1300w, https://analyticsindiamag.com/wp-content/uploads/2025/01/Elon-Musk-is-Using-100000-GPUs-for-Grok-3-But-Why-600x338.jpg 600w, https://analyticsindiamag.com/wp-content/uploads/2025/01/Elon-Musk-is-Using-100000-GPUs-for-Grok-3-But-Why-768x432.jpg 768w, https://analyticsindiamag.com/wp-content/uploads/2025/01/Elon-Musk-is-Using-100000-GPUs-for-Grok-3-But-Why-1536x864.jpg 1536w, https://analyticsindiamag.com/wp-content/uploads/2025/01/Elon-Musk-is-Using-100000-GPUs-for-Grok-3-But-Why-2048x1152.jpg 2048w, https://analyticsindiamag.com/wp-content/uploads/2025/01/Elon-Musk-is-Using-100000-GPUs-for-Grok-3-But-Why-150x84.jpg 150w" sizes="(max-width: 800px) 100vw, 800px" />The companies have partnered to build large-scale Nvidia-powered AI compute infrastructure and deploy Grok across new data centres.
The post <a href="https://analyticsindiamag.com/ai-news-updates/musks-xai-teams-with-humain-to-develop-saudi-arabias-ai-supercomputing-network/">Musk’s xAI Teams with HUMAIN to Develop Saudi Arabia’s AI Supercomputing Network</a> appeared first on <a href="https://analyticsindiamag.com">Analytics India Magazine</a>.

تعاونت شركة xAI التابعة لإيلون ماسك مع شركة HUMAIN السعودية لتطوير شبكة حوسبة فائقة الذكاء الاصطناعي في المملكة العربية السعودية. تهدف هذه الشراكة إلى تعزيز القدرات التكنولوجية للبلاد وتعتبر جزءًا من استراتيجية أوسع لوضع المملكة كقائد في مجال الذكاء الاصطناعي. ستستفيد المبادرة من موارد الحوسبة المتقدمة، بما في ذلك تقنية Nvidia.

xAI de Elon Musk se ha asociado con la empresa saudí HUMAIN para desarrollar una red de supercomputación de IA en Arabia Saudita. Esta colaboración tiene como objetivo mejorar las capacidades tecnológicas del país y forma parte de una estrategia más amplia para posicionar a Arabia Saudita como líder en inteligencia artificial. La iniciativa aprovechará recursos informáticos avanzados, incluida la tecnología de Nvidia.

xAI d'Elon Musk s'est associé à l'entreprise saoudienne HUMAIN pour développer un réseau de supercalculateur d'IA en Arabie Saoudite. Cette collaboration vise à renforcer les capacités technologiques du pays et s'inscrit dans une stratégie plus large visant à positionner l'Arabie Saoudite en tant que leader en intelligence artificielle. L'initiative s'appuiera sur des ressources informatiques avancées, y compris la technologie Nvidia.

Elon Musk's xAI has partnered with the Saudi Arabian company HUMAIN to develop an AI supercomputing network in Saudi Arabia. This collaboration aims to enhance the country's technological capabilities and is part of a broader strategy to position Saudi Arabia as a leader in artificial intelligence. The initiative will leverage advanced computing resources, including Nvidia technology.

Musk’s xAI Teams with HUMAIN to Develop Saudi Arabia’s AI Supercomputing Network

NcodiN, a French deeptech startup,has secured a €16 million seed investment led by MIG Capital AG through its MIGFonds 17 and 18. The round also includes participation from Maverick Silicon,PhotonVent...

نجحت شركة NcodiN، وهي شركة ناشئة فرنسية في مجال التكنولوجيا العميقة، في تأمين استثمار بقيمة 16 مليون يورو في جولة التمويل الأولية، بقيادة MIG Capital AG من خلال صناديق MIGFonds 17 و 18. كما شهدت الجولة مشاركة من Maverick Silicon وPhotonVent.

NcodiN, una startup francesa de deeptech, ha asegurado una inversión de 16 millones de euros en su ronda semilla, liderada por MIG Capital AG a través de sus MIGFonds 17 y 18. La ronda también contó con la participación de Maverick Silicon y PhotonVent.

NcodiN, une startup française de deeptech, a sécurisé un investissement de 16 millions d'euros en seed, dirigé par MIG Capital AG à travers ses MIGFonds 17 et 18. Le tour de financement a également vu la participation de Maverick Silicon et PhotonVent.

NcodiN, a French deeptech startup, has secured a €16 million seed investment led by MIG Capital AG through its MIGFonds 17 and 18. The funding round also saw participation from Maverick Silicon and PhotonVent.

NcodiN secures €16M seed investment led by MIG Capital

arXiv:2508.16983v2 Announce Type: replace 
Abstract: Knowledge gaps and hallucinations are persistent challenges for Large Language Models (LLMs), which generate unreliable responses when lacking the necessary information to fulfill user instructions. Existing approaches, such as Retrieval-Augmented Generation (RAG) and tool use, aim to address these issues by incorporating external knowledge. Yet, they rely on additional models or services, resulting in complex pipelines, potential error propagation, and often requiring the model to process a large number of tokens. In this paper, we present a scalable method that enables LLMs to access external knowledge without depending on retrievers or auxiliary models. Our approach uses constrained generation with a pre-built prefix-tree index. Triples from a Knowledge Graph are verbalized in textual facts, tokenized, and indexed in a prefix tree for efficient access. During inference, to acquire external knowledge, the LLM generates facts with constrained generation which allows only sequences of tokens that form an existing fact. We evaluate our proposal on Question Answering and show that it scales to large knowledge bases (800 million facts), adapts to domain-specific data, and achieves effective results. These gains come with minimal generation-time overhead. ReFactX code is available at https://github.com/rpo19/ReFactX.

تقدم الورقة ReFactX، وهي طريقة قابلة للتوسع تهدف إلى تعزيز موثوقية نماذج اللغة الكبيرة (LLMs) من خلال تمكينها من الوصول إلى المعرفة الخارجية دون الاعتماد على نماذج أو خدمات إضافية. تستخدم هذه الطريقة توليدًا مقيدًا مع فهرس شجرة بادئة، مما يسمح باسترجاع فعال للمعلومات الواقعية من رسم بياني للمعرفة. تهدف الطريقة إلى معالجة المشكلات المستمرة المتعلقة بفجوات المعرفة والهلاوس في مخرجات LLMs.

El artículo presenta ReFactX, un método escalable diseñado para mejorar la fiabilidad de los Modelos de Lenguaje de Gran Escala (LLMs) al permitirles acceder a conocimientos externos sin depender de modelos o servicios adicionales. Este enfoque utiliza generación restringida con un índice de árbol de prefijos, lo que permite la recuperación eficiente de información fáctica de un Grafo de Conocimiento. El método busca abordar problemas persistentes de lagunas de conocimiento y alucinaciones en las salidas de los LLMs.

L'article présente ReFactX, une méthode évolutive conçue pour améliorer la fiabilité des modèles de langage de grande taille (LLMs) en leur permettant d'accéder à des connaissances externes sans dépendre de modèles ou de services supplémentaires. Cette approche utilise une génération contrainte avec un index d'arbre préfixe, permettant une récupération efficace d'informations factuelles à partir d'un graphe de connaissances. La méthode vise à résoudre les problèmes persistants de lacunes de connaissances et d'hallucinations dans les sorties des LLMs.

The paper presents ReFactX, a scalable method designed to enhance the reliability of Large Language Models (LLMs) by enabling them to access external knowledge without relying on additional models or services. This approach utilizes constrained generation with a prefix-tree index, allowing for efficient retrieval of factual information from a Knowledge Graph. The method aims to address persistent issues of knowledge gaps and hallucinations in LLM outputs.

ReFactX: Scalable Reasoning with Reliable Facts via Constrained Generation

arXiv:2511.15443v1 Announce Type: cross 
Abstract: Dense retrieval has become a foundational paradigm in modern search systems, especially on short-video platforms. However, most industrial systems adopt a self-reinforcing training pipeline that relies on historically exposed user interactions for supervision. This paradigm inevitably leads to a filter bubble effect, where potentially relevant but previously unseen content is excluded from the training signal, biasing the model toward narrow and conservative retrieval. In this paper, we present CroPS (Cross-Perspective Positive Samples), a novel retrieval data engine designed to alleviate this problem by introducing diverse and semantically meaningful positive examples from multiple perspectives. CroPS enhances training with positive signals derived from user query reformulation behavior (query-level), engagement data in recommendation streams (system-level), and world knowledge synthesized by large language models (knowledge-level). To effectively utilize these heterogeneous signals, we introduce a Hierarchical Label Assignment (HLA) strategy and a corresponding H-InfoNCE loss that together enable fine-grained, relevance-aware optimization. Extensive experiments conducted on Kuaishou Search, a large-scale commercial short-video search platform, demonstrate that CroPS significantly outperforms strong baselines both offline and in live A/B tests, achieving superior retrieval performance and reducing query reformulation rates. CroPS is now fully deployed in Kuaishou Search, serving hundreds of millions of users daily.

CroPS (عينات إيجابية عبر وجهات نظر مختلفة) هو محرك بيانات استرجاع جديد يهدف إلى تحسين أنظمة الاسترجاع الكثيف على منصات البحث عن مقاطع الفيديو القصيرة. يتناول تأثير فقاعة الفلتر الناتج عن الأساليب التقليدية للتدريب التي تعتمد على التفاعلات التاريخية للمستخدمين. من خلال تقديم أمثلة إيجابية متنوعة من وجهات نظر متعددة، يسعى CroPS إلى تحسين ملاءمة وتنوع نتائج البحث.

CroPS (Cross-Perspective Positive Samples) es un nuevo motor de datos de recuperación diseñado para mejorar los sistemas de recuperación densa en plataformas de búsqueda de videos cortos. Aborda el efecto burbuja de filtro causado por los métodos de entrenamiento tradicionales que dependen de interacciones históricas de usuarios. Al introducir ejemplos positivos diversos desde múltiples perspectivas, CroPS busca mejorar la relevancia y diversidad de los resultados de búsqueda.

CroPS (Cross-Perspective Positive Samples) est un nouveau moteur de données de récupération visant à améliorer les systèmes de récupération dense sur les plateformes de recherche de courtes vidéos. Il aborde l'effet de bulle de filtre causé par les méthodes d'entraînement traditionnelles qui s'appuient sur les interactions historiques des utilisateurs. En introduisant des exemples positifs diversifiés provenant de plusieurs perspectives, CroPS cherche à améliorer la pertinence et la diversité des résultats de recherche.

CroPS (Cross-Perspective Positive Samples) is a new retrieval data engine aimed at enhancing dense retrieval systems in short-video search platforms. It addresses the filter bubble effect caused by traditional training methods that rely on historical user interactions. By introducing diverse positive examples from various perspectives, including user query reformulation and engagement data, CroPS seeks to improve the relevance and diversity of search results.

CroPS: Improving Dense Retrieval with Cross-Perspective Positive Samples in Short-Video Search

arXiv:2511.15709v1 Announce Type: cross 
Abstract: Recent works have shown that tokenisation is NP-complete. However, these works assume tokenisation is applied to inputs with unboundedly large alphabets -- an unrealistic assumption, given that in practice tokenisers operate over fixed-size alphabets, such as bytes or Unicode characters. We close this gap by analysing tokenisation over bounded $n$-ary alphabets, considering two natural variants: bottom-up tokenisation and direct tokenisation, where we must, respectively, select a sequence of merge operations or a vocabulary whose application optimally compresses a dataset. First, we note that proving hardness results for an $n$-ary alphabet proves the same results for alphabets of any larger size. We then prove that even with binary alphabets, both variants are not only NP-complete, but admit no polynomial-time approximation scheme (unless P=NP). We further show that direct tokenisation remains NP-complete even when applied to unary alphabets. While unary alphabets may not be practically useful, this result establishes that the computational intractability of tokenisation is not an artifact of large alphabets or complex constructions, but a fundamental barrier. Overall, our results explain why practical algorithms such as BPE and UnigramLM are heuristic, and points toward approximation algorithms being an important path going forward for tokenisation research.

أظهرت الأبحاث الحديثة أن تقسيم الرموز هو NP-complete، وهو اكتشاف يعتمد على فرضية وجود أبجديات غير محدودة. تتناول هذه الدراسة التطبيق العملي لتقسيم الرموز على أبجديات n-ary المحدودة، مع تحليل طرق تقسيم الرموز من الأسفل إلى الأعلى والتقسيم المباشر. تشير النتائج إلى أن كلا الطريقتين NP-complete حتى بالنسبة للأبجديات الثنائية، ولا يوجد مخطط تقريب متعدد الحدود ما لم يكن P=NP.

Investigaciones recientes han establecido que la tokenización es NP-completa, un hallazgo basado en la suposición de alfabetos de tamaño ilimitado. Este estudio aborda la aplicación práctica de la tokenización sobre alfabetos n-arios acotados, analizando métodos de tokenización ascendente y directa. Los hallazgos indican que ambos métodos son NP-completos incluso para alfabetos binarios, y no existe un esquema de aproximación polinómica a menos que P=NP.

Des recherches récentes ont établi que la tokenisation est NP-complete, une découverte basée sur l'hypothèse d'alphabets de taille illimitée. Cette étude aborde l'application pratique de la tokenisation sur des alphabets n-aires bornés, en analysant les méthodes de tokenisation ascendante et directe. Les résultats indiquent que les deux méthodes sont NP-completes même pour des alphabets binaires, et qu'aucun schéma d'approximation polynomial n'existe à moins que P=NP.

Recent research has established that tokenisation is NP-complete, a finding based on the assumption of unboundedly large alphabets. This study addresses the practical application of tokenisation over bounded n-ary alphabets, analyzing bottom-up and direct tokenisation methods. The findings indicate that both methods are NP-complete even for binary alphabets, and no polynomial-time approximation scheme exists unless P=NP.

Tokenisation over Bounded Alphabets is Hard

arXiv:2511.08916v2 Announce Type: replace 
Abstract: Large language models (LLMs) have achieved impressive performance across a wide range of natural language processing tasks, yet they often produce hallucinated content that undermines factual reliability. To address this challenge, we introduce HalluClean, a lightweight and task-agnostic framework for detecting and correcting hallucinations in LLM-generated text. HalluClean adopts a reasoning-enhanced paradigm, explicitly decomposing the process into planning, execution, and revision stages to identify and refine unsupported claims. It employs minimal task-routing prompts to enable zero-shot generalization across diverse domains, without relying on external knowledge sources or supervised detectors. We conduct extensive evaluations on five representative tasks-question answering, dialogue, summarization, math word problems, and contradiction detection. Experimental results show that HalluClean significantly improves factual consistency and outperforms competitive baselines, demonstrating its potential to enhance the trustworthiness of LLM outputs in real-world applications.

HalluClean هو إطار جديد مصمم للكشف عن وتصحيح الهلاوس في نماذج اللغة الكبيرة (LLMs). تعزز هذه الطريقة غير المرتبطة بالمهام موثوقية النصوص التي تم إنشاؤها بواسطة LLMs من خلال تقسيم العملية إلى مراحل التخطيط والتنفيذ والمراجعة. يستخدم HalluClean مطالبات توجيه مهام الحد الأدنى لتحقيق تعميم بدون أمثلة عبر مجالات متنوعة، مما يحسن بشكل كبير من الاتساق الواقعي في النتائج.

HalluClean es un nuevo marco diseñado para detectar y corregir las alucinaciones en los modelos de lenguaje de gran tamaño (LLMs). Este enfoque agnóstico a la tarea mejora la fiabilidad del texto generado por LLM al descomponer el proceso en etapas de planificación, ejecución y revisión. HalluClean utiliza indicaciones mínimas de enrutamiento de tareas para la generalización sin ejemplos en diversos dominios, mejorando significativamente la consistencia fáctica en los resultados.

HalluClean est un nouveau cadre conçu pour détecter et corriger les hallucinations dans les modèles de langage de grande taille (LLMs). Cette approche agnostique aux tâches améliore la fiabilité des textes générés par les LLMs en décomposant le processus en étapes de planification, d'exécution et de révision. HalluClean utilise des invites de routage minimales pour une généralisation sans échantillon dans divers domaines, améliorant ainsi considérablement la cohérence factuelle des résultats.

HalluClean is a new framework designed to detect and correct hallucinations in large language models (LLMs). This task-agnostic approach enhances the reliability of LLM-generated text by decomposing the process into planning, execution, and revision stages. HalluClean utilizes minimal task-routing prompts for zero-shot generalization across various domains, significantly improving factual consistency in outputs.

TAdaRAG: Task Adaptive Retrieval-Augmented Generation via On-the-Fly Knowledge Graph Construction

Was this article worth reading? Share it