计算机科学 > 计算与语言
[提交于 2025年5月1日
]
标题: HalluMix:一种面向任务无关、多领域的现实世界幻觉检测基准
标题: HalluMix: A Task-Agnostic, Multi-Domain Benchmark for Real-World Hallucination Detection
摘要: 随着大型语言模型(LLMs)越来越多地部署在高风险领域,检测幻觉内容$\unicode{x2013}$——即未基于支持性证据$\unicode{x2013}$的文本——已成为一个关键挑战。 现有的幻觉检测基准通常是合成生成的,仅狭隘地集中在提取式问答上,并且未能捕捉到涉及多文档上下文和完整句子输出的真实世界场景的复杂性。 我们介绍了 HalluMix Benchmark,这是一个多样化的、任务无关的数据集,包括来自各种领域和格式的示例。 使用这个基准,我们评估了七种幻觉检测系统$\unicode{x2013}$既有开源的也有闭源的$\unicode{x2013}$,突出显示了不同任务、文档长度和输入表示下的性能差异。 我们的分析突显了短上下文和长上下文之间的巨大性能差异,这对现实世界中的检索增强生成(RAG)实现具有重要的意义。 Quotient Detections 在总体表现最佳,准确率为 0.82,F1 得分为 0.84。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.