大型语言模型（LLMs）被广泛应用于在线平台生成可信文本，但其生成过程通常不透明。随着用户越来越多地接触此类黑盒输出，检测幻觉已成为关键挑战。为解决该问题，研究聚焦于开发面向黑盒生成器的幻觉检测框架。

基于"幻觉一旦产生便倾向于持续"的观察，采用未来上下文采样策略。采样的未来上下文为幻觉检测提供了重要线索，并能有效集成到多种基于采样的方法中。通过大量实验证明，该采样方案可显著提升多种检测方法的性能。