Hallucination Mitigation with Agentic AI, Nested Learning, and AI Sustainability via Semantic Caching

En 3 lignesArticle arXiv proposant une architecture multi-agent avec mémoire sémantique et caching pour réduire les hallucinations LLM. Pipeline à trois étages (FrontEndAgent, SecondLevelReviewer, ThirdLevelReviewer) évalué sur 310 prompts. Résultats : réduction THS de -31,3% à -35,9%, taux de cache hit de 47,3%, réduction de 47% des appels LLM. Pas de réentraînement requis.

Résumé généré par Claude — vérifié par l'humain