تُعتبر الهلاوس، أو إنتاج محتوى غير دقيق واقعياً، من أبرز التحديات التي تواجه نماذج اللغات الضخمة (Large Language Models) في الوقت الحالي. مؤخرًا، تم تقديم نظام جديد يُدعى TOHA (TOpology-based HAllucination Detector) يتميز بقدرته على الكشف عن هذه الهلاوس باستخدام مقياس تباين طوبولوجي يعتمد على خصائص الرسوم البيانية التي يتم إنشاؤها بواسطة مصفوفات الانتباه.

يدرس نظام TOHA التباين الطوبولوجي بين الرسوم البيانية المستندة إلى المدخلات والاستجابات، حيث يكشف تحليل الذكاء الاصطناعي عن أنماط متسقة: القيم الأعلى للتباين تؤشر إلى احتمالية حدوث الهلاوس، بغض النظر عن مجموعة البيانات المستخدمة. وقد أظهرت التجارب الشاملة، بما في ذلك تلك المتعلقة بإجابات الأسئلة وتلخيص النصوص، أن هذه الطريقة تحقق نتائج رائدة أو تنافسية في عدة مؤشرات أداء، مع ضرورة محدودة للبيانات المشروطة والموارد الحاسوبية.

تشير النتائج إلى أن تحليل الهيكل الطوبولوجي لمصفوفات الانتباه يُمكن أن يكون مؤشراً فعالاً وقوياً على موثوقية المعلومات في نماذج اللغات الضخمة، مما يعزز من أهمية هذا النوع من البحث في تطوير تقنيات الذكاء الاصطناعي.