---
language:
- de
- en
license: agpl-3.0
tags:
- guardrail
- hallucination
- safety
- nlp
- llm
- fact-verification
- document-verification
- nli
- sentence-transformers
pipeline_tag: text-classification
---

# SENTRY-DVL

**Cascaded Hybrid Guardrail Architecture for LLM Fact-Verification**

SENTRY-DVL prüft LLM-generierte Antworten gegen einen Referenzkontext und blockiert
abweichende, fehlerhafte oder widersprüchliche Ausgaben — bevor sie dem Nutzer angezeigt werden.

Entwickelt für **High-Stakes-Systeme**: Medizin, Recht, Technik – überall wo
ein halluzinierter Wert echten Schaden anrichten kann.

> ⚠️ **Hinweis:** SENTRY-DVL ist ein Forschungsprototyp. Es ist nicht zertifiziert
> für den Einsatz in medizinischen, rechtlichen oder sicherheitskritischen
> Produktivsystemen. Nutzung auf eigene Verantwortung.

## Prinzip: Safety-First

```
FP-Rate = 0,0%  ←  nicht verhandelbar
FN akzeptiert   ←  lieber blockieren als falsch freigeben
```

## Pipeline

```
Kontext + LLM-Antwort
        ↓
┌──────────────────────────────────────────────┐
│  1. ZahlenChecker     (deterministisch)      │
│  2. EinheitenChecker  (deterministisch)      │
│  3. NegationsChecker  (deterministisch)      │
│  4. SemantikChecker   (Embedding-Modell)     │
│  5. NLIChecker        (mDeBERTa, optional)   │
└──────────────────────────────────────────────┘
        ↓
  FREIGEGEBEN | UNSICHER | ABGELEHNT
```

Early-Exit nach jeder Schicht — das NLI-Modell wird nur aufgerufen
wenn die vier günstigeren Checker bestanden haben.

## Schnellstart

```python
from sentry_dvl import SentryDVL

sentry = SentryDVL()

kontext = "Die maximale Traglast beträgt 250 kN."
antwort = "Die Traglast beträgt maximal 280 kN."

verdict = sentry.evaluieren(kontext, antwort)
print(verdict.status)    # ABGELEHNT
print(verdict.konfidenz) # 0.0
```

## Installation

```bash
pip install sentry-dvl
```

## EinheitenChecker (v1.2)

Erkennt medizinisch-kritische Faktor-1000-Fehler:

| Mutation | Beispiel | Risiko |
|---|---|---|
| mg → mcg/µg | 500 mg → 500 mcg | Unterdosierung |
| ml → µl | 2 ml → 2 µl | Unterdosierung |
| mmol → µmol | 5 mmol → 5 µmol | Messwertfehler |
| g → mg | 1 g → 1 mg | Überdosierung |

## Benchmark (v1.2, 50 Testfälle, 7 Kategorien)

| Metrik | Wert |
|---|---|
| Präzision | 100,0% |
| FP-Rate | 0,0% |
| Kategorien | A–G (Zahlen, Einheiten, Negation, Semantik, NLI, Paraphrase) |

## Links

- 📦 GitHub: [joachim-ganter/sentry-dvl](https://github.com/joachim-ganter/sentry-dvl)
- 📄 Paper (Zenodo): [10.5281/zenodo.20677551](https://doi.org/10.5281/zenodo.20677551)

## Zitation

```bibtex
@misc{ganter2025sentrydvl,
  author    = {Ganter, JoAchim},
  title     = {SENTRY-DVL: Cascaded Hybrid Guardrail Architecture
               for LLM Fact-Verification},
  year      = {2025},
  doi       = {10.5281/zenodo.20677551},
  publisher = {Zenodo}
}
```

## Lizenz

SENTRY-DVL ist lizenziert unter **AGPL-3.0** für Forschung, Bildung und
Open-Source-Projekte.

**Kommerzielle Nutzung** erfordert eine separate Lizenz.
Anfragen an: **jo.ganter@googlemail.com**

Copyright (c) 2025 JoAchim Ganter