यह शोधपत्र कर्नेल-समृद्ध एआई (केईए) एक्सप्लेन प्रस्तुत करता है, जो बड़े पैमाने के भाषा मॉडल (एलएलएम) द्वारा उत्पन्न मतिभ्रमों—वाक्यगत रूप से मान्य लेकिन तथ्यात्मक रूप से अप्रमाणित कथनों—का पता लगाने और व्याख्या करने के लिए एक न्यूरोसिम्बोलिक ढाँचा है। केईए, एलएलएम आउटपुट से उत्पन्न ज्ञान ग्राफ की तुलना विकिडेटा या प्रासंगिक दस्तावेज़ों के वास्तविक-विश्व डेटा से करके मतिभ्रमों का पता लगाता और व्याख्या करता है। यह मतिभ्रमों के स्पष्टीकरण प्रदान करने के लिए ग्राफ कर्नेल और सिमेंटिक क्लस्टरिंग का उपयोग करता है, जिससे दृढ़ता और व्याख्या सुनिश्चित होती है। यह खुले और बंद, दोनों प्रकार के डोमेन कार्यों में मतिभ्रम का पता लगाने में प्रतिस्पर्धी सटीकता प्राप्त करता है, साथ ही पारदर्शिता बढ़ाने के लिए विपरीत स्पष्टीकरण भी उत्पन्न करता है। यह उच्च-दांव वाले डोमेन में एलएलएम की विश्वसनीयता को बढ़ाता है और सटीकता वृद्धि और बहु-विषयक ज्ञान एकीकरण पर भविष्य के शोध की नींव रखता है।
