The Hallucinations Leaderboard – An Open Effort to Measure Hallucinations in Large Language Models

本文是LLM系列文章，针对《The Hallucinations Leaderboard – An Open Effort to Measure Hallucinations in Large Language Models》的翻译。

摘要

大型语言模型 （LLM） 凭借其理解和生成类人文本的非凡能力，改变了自然语言处理 （NLP） 的格局。然而，这些模型容易出现 “幻觉”——与事实现实或输入上下文不一致的输出。本文介绍了幻觉排行榜，这是一项开放的计划，用于定量测量和比较每个模型产生幻觉的趋势。排行榜使用一套全面的基准，重点关注幻觉的不同方面，例如事实和忠实度，涵盖各种任务，包括问答、总结和阅读理解。我们的分析提供了对不同模型性能的见解，指导研究人员和从业者为其应用程序选择最可靠的模型。

1 引言

2 评估框架

3 结果