Mycelium：跨来源、类型与粒度的幻觉检测元研究
该研究将大语言模型的幻觉检测视为一个受基准条件影响的测量问题。研究从三个维度整理现有基准：来源，即模型输出和证据的获取方式；类型，即标签所代表的事实性与忠实性错误；粒度，即幻觉被标注、预测和评估的单位。分析表明，基准的构建、标注和评估方式会塑造底层预测任务，检测器的机制与假设也应结合具体测量环境理解。针对片段级评估，研究指出标注边界的差异可能显著影响结果，并提出基于包含关系的补充指标 Span Coverage F1。研究提醒，不同基准之间的分数难以直接比较，并建议更明确地评估检测器在不同基准条件下的泛化能力。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。