Английский | 中

Не делайте LLM честными. Сделайте каждое фактическое требование проверяемым.

Не берите модель. Стричь галлюцинации предложение за предложением.

Anti-Lie - это аудиторский уровень LLM. Он не пытается превратить большие языковые модели в святых. Он не ставит безопасность производства на другой пункт быстрой молитвы. Он делает одну более холодную, более механическую вещь: прежде чем ответ покинет вашу систему, он разделяет вывод на предложения, извлекает фактические претензии, сопоставляет каждое число, сущность, дату и критически важное для бизнеса утверждение против квитанций и присваивает проверяемый вердикт T1-T7. Зелёные претензии проходят. Желтый корабль с предупреждающими надписями. Красные претензии физически заблокированы.

Заголовок бенчмарка (LiarBench v0.2, 210 образцов)

| Метрическая | Счетная [скрыто] [скрыто] ** Эффективность бизнеса** 98,1% Истинная информация правильно разрешена | 98,7% | Ложная информация правильно уловлена | 96,4% | | Коэффициент ложных блоков | 1,3% | | Мисс ставка | 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.