{
"ok": true,
"data": {
"grounded_score": 4,
"verdict": "partially_grounded",
"summary": {
"total_claims": 1,
"supported_claims": 0,
"partial_claims": 1,
"unsupported_claims": 0,
"missing_numbers": [
"24%"
],
"missing_entities": [
"Berlin"
]
},
"claims": [
{
"index": 0,
"text": "Acme Corp generated $4.2M in Q3 2026 (24% YoY growth) and launched in Berlin.",
"status": "partial",
"overlap_score": 0.442,
"missing_numbers": [
"24%"
],
"missing_entities": [
"Berlin"
],
"evidence": {
"source_index": 0,
"quote": "In Q3 2026, Acme Corp reported revenue of $4.2M and 18% year-over-year growth."
}
}
],
"judge": "disabled",
"ai_judge": null
},
"meta": {
"request_id": "0ffd92e4-4dc5-48c1-94b3-560b1f0ca175",
"ms": 2,
"version": "1.0.53"
}
}
curl --location --request POST 'https://zylalabs.com/api/15183/hallucination+and+citation+diff+api/40601/check+an+llm+answer+against+grounding+sources+for+unsupported+claims?answer=Acme Corp generated $4.2M in Q3 2026 (24% YoY growth) and launched in Berlin.&sources=["In Q3 2026, Acme Corp reported revenue of $4.2M and 18% year-over-year growth."]' --header 'Authorization: Bearer YOUR_API_KEY'
Após se cadastrar, cada desenvolvedor recebe uma chave de acesso à API pessoal, uma combinação única de letras e dígitos para acessar nosso endpoint de API. Para autenticar com a Alucinação e diferença de citações API basta incluir seu token Bearer no cabeçalho Authorization.
| Cabeçalho | Descrição |
|---|---|
Authorization
|
Obrigatório
Deve ser Bearer access_key. Veja "Sua chave de acesso à API" acima quando você estiver inscrito.
|
Sem compromisso de longo prazo. Faça upgrade, downgrade ou cancele a qualquer momento.
Verificação rápida de fundamentação RAG na primeira passagem que detecta números, datas, porcentagens e nomes próprios sem suporte nas respostas do LLM em comparação com o texto-fonte
Retorna uma avaliação de fundamentação para uma resposta de LLM em comparação com o texto-fonte fornecido A resposta inclui uma pontuação geral um veredito o total de afirmações detalhes sustentados ou não sustentados números ausentes entidades ausentes e evidências no nível das afirmações
Forneça a resposta gerada pelo LLM e uma ou mais fontes de fundamentação na solicitação POST. As fontes devem conter o texto que se espera que a resposta reflita permitindo que a API compare afirmações números datas percentuais e nomes próprios
Cada alegação detectada aparece na matriz `claims` com um `index`, o `text` da alegação, o `status` e o `overlap_score` Quando disponível, a alegação também inclui números ausentes, entidades ausentes e um objeto `evidence` que identifica a fonte correspondente e a citação
`verdict` resume a fundamentação da resposta, como `partially_grounded` `grounded_score` fornece uma avaliação numérica; interprete-a junto com o resumo das afirmações e os status individuais, em vez de usá-la como substituto de uma análise detalhada.
Compara as afirmações da resposta com o texto-fonte fornecido e sinaliza detalhes que não são corroborados, especialmente números, datas, porcentagens e nomes próprios. Por exemplo, pode identificar o número `24%` ausente ou a entidade `Berlin`
Uma afirmação é `parcial` quando parte do conteúdo corresponde às fontes, mas outros detalhes não são sustentados ou não podem ser encontrados. Por exemplo, as informações sobre receita e empresa podem corresponder, enquanto uma porcentagem de crescimento ou localização está ausente
Use o `evidence.source_index` para localizar a fonte de entrada relevante e inspecione a `quote` correspondente Isso permite que os aplicativos exibam o contexto de apoio, auditem decisões sobre afirmações ou solicitem revisões de detalhes sem evidências correspondentes
Revise `missing_numbers` e `missing_entities` tanto no nível do resumo quanto no das afirmações Aplicativos podem destacar esses itens, removê-los ou qualificá-los, solicitar fontes adicionais ou enviar a resposta para revisão humana antes da publicação