arXiv · cs.CL· Linghao Meng·· 20 天前AI 评分45
PHRBench：评估 LLM 幻觉后推理行为的新基准
PHRBench: A Behavioral Evaluation of Post-Hallucination Reasoning in LLMs
来源与原文
arXiv · cs.CL
作者：Linghao Meng
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.10455v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者推出 PHRBench，一个在 4 个领域、覆盖 18 个大语言模型、共 4820 个受控实例的行为化幻觉后推理（PHR）评测基准。该基准用 Hallucination Compliance、Hallucination Avoidance 和 Heuristic Correction 三项指标独立刻画推理轨迹，与最终答案正确性解耦。结果显示成功纠错仍较罕见，且与推理过程中更频繁的信念更新相关；一个轻量预测器基于幻觉提示的属性可实现 0.847 的 AUROC。
来源：arXiv · cs.CL · arxiv.org