日本語 English

LLMを正直に作らないでください。 すべての事実上の要求を監査可能にして下さい。 ツイート モデルをギャグしないでください。 文章による幻覚文をストライプします。

反リーはLM Claimの監査の層です。 大規模な言語モデルをsaintsに訓練しようとしません。 プロンプトの祈りの別の段落で生産安全を賭けません。 それは1つの冷静で、より機械的なことを行います:回答があなたのシステムを離れる前に、出力を文章に分割し、実際の主張を抽出し、すべての番号、団体、日付、およびレシートに対するビジネスクリティカルアサートにマッチし、監査可能なT1-T7評論を割り当てます。 グリーンクレームパス。 警告ラベル付きの黄色のクレーム船。 赤いクレームは物理的にブロックされます。

お問い合わせ

##ベンチマークヘッドライン(LiarBench v0.2、210サンプル)

| メトリック | スコア | お問い合わせ |ビジネス上の効果 | 98.1% | | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 同意 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 個人情報保護方針 | 同意 | 同意する | 同意する | 同意する | 同意する | 同意する | 同意する | 同意する | 同意する | 同意する | 同意する | 同意する | 同意する | 同意する | 同意する | 同意する | 偽り情報 正しく キャッチ | 96.4% | | 偽のブロック率 | 1.3% | | ミス率 | 3.6% |

Anti-Lie: The LLM Truth X-Ray 🔍

English | 中文

Don’t make LLMs honest. Make every factual claim auditable.

Do not gag the model. Strip its hallucinations sentence by sentence.

Anti-Lie is an LLM Claim Auditing Layer. It does not try to train large language models into saints. It does not bet production safety on another paragraph of prompt prayer. It does one colder, more mechanical thing: before an answer leaves your system, it splits the output into sentences, extracts factual claims, matches every number, entity, date, and business-critical assertion against receipts, and assigns an auditable T1-T7 verdict. Green claims pass. Yellow claims ship with warning labels. Red claims are physically blocked.

---

🎯 Benchmark Headline (LiarBench v0.2, 210 samples)

Dataset SHA256 bd3dfb9c04af70ecc27d44bb79b0ebffaf4dd5b17f04e2dd8054521d85747bc2 · All 210 samples and the benchmark runner are open-sourced in benchmarks/ for independent reproduction · Production performance may differ due to input distribution.

---

This project is not another polite wrapper around model behavior. It is a receipt ledger for generated text: a final outbound gate that asks, for every factual sentence, “What gives you the right to say that?” The model can still reason, explore, summarize, and improvise. The delivery layer simply refuses to publish unsupported hard facts as if they were earned knowledge.

Why Anti-Lie?

The current AI industry is trapped in a ridiculous loop: everyone is trying to defeat language magic with more language magic. Developers write hundreds of lines of prompts and beg the model: “Please be honest. Please do not fabricate.” Then a user adds pressure, the context gets noisy, the model wants to be helpful, and it confidently invents a number, a customer promise, a legal clause, a release date, or a medical-sounding answer. For hackers, that is a bug. For finance, healthcare, enterprise support, legal review, and government workflows, it is a compliance sinkhole.