研究者发布HaluCheck幻觉检测基准

1. 00:15
   arXiv · cs.CL

   HaluCheck：LLM 能否可靠检测多维幻觉？

   研究者推出 HaluCheck，一个双语大规模基准，含超 42k 个实例，覆盖文本事实幻觉与智能体轨迹忠实性幻觉，并提供检测、定位与纠正的多层级细粒度标注。在十四款 LLM 上的实验显示，模型具备基本的样本级检测能力，但在细粒度定位、纠正和智能体幻觉检测上表现不佳；thinking、web search 与监督微调各带来部分改进，但均未完全解决问题。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。