HalluQA

中文大语言模型幻觉评估基准

HalluQA是一个评估中文大语言模型幻觉问题的基准测试。该项目包含450个涵盖多领域的对抗性问题，考虑中国特色文化因素。HalluQA提供数据集、评估脚本和多选任务，采用GPT-4评估非幻觉率。研究结果揭示不同模型在处理误导性和知识性问题的表现，为中文大语言模型的改进提供参考。

Github

论文

介绍相关项目

HallusionBench - 探索视觉语言模型的幻觉与错觉问题

AI评估GithubHallusionBench图像理解多模态模型开源项目视觉语言模型

HallusionBench是一个诊断视觉语言模型中语言幻觉和视觉错觉的测试集。通过图像-文本推理任务,它挑战了GPT-4V和LLaVA-1.5等顶级多模态模型。项目提供案例分析,揭示模型局限性,为改进提供见解。HallusionBench设有公开评测基准,欢迎研究人员贡献失败案例,推动多模态AI发展。

awesome-hallucination-detection - 多模态大语言模型幻觉检测与评估文献综述

GPT-4VGithubUniHDawesome-hallucination-detection大语言模型幻觉检测开源项目

该项目汇总了关于大型语言模型（LVLMs）在多模态任务中幻觉检测的研究文献。这些研究提供了多个评估基准和框架，如HallusionBench、FactCHD、MHaluBench等，用于评估LVLMs在视觉和语言理解中的表现，涵盖了准确性、一致性、解释性等方面的指标。该仓库不仅评估现有模型，还提出新的解决方案，通过验证生成内容的准确性和一致性，减少虚假信息，提升语言模型的可靠性。

llm-hallucination-survey - 大语言模型幻觉问题研究综述

Github事实一致性大语言模型幻觉开源项目自相矛盾评估

该项目全面调查了大语言模型中的幻觉问题，涵盖评估方法、成因分析和缓解策略。研究包括输入冲突、上下文冲突和事实冲突等多种幻觉类型，并汇总了相关学术文献。项目成果有助于提升大语言模型在实际应用中的可靠性，为该领域的研究和开发提供重要参考。

hallucination_evaluation_model - 开源幻觉检测模型助力提升LLM输出质量

GithubHHEM-2.1-OpenHuggingfaceRAG人工智能幻觉检测开源项目模型语言模型

HHEM-2.1-Open是一款用于检测大型语言模型(LLM)幻觉的开源工具。该模型在多项基准测试中表现优异，性能超过GPT-3.5-Turbo和GPT-4。它特别适用于检索增强生成(RAG)应用，可评估LLM生成摘要与给定事实的一致性。HHEM-2.1-Open支持无限长度上下文，运行高效，可在普通硬件上使用，是提升LLM输出质量和可靠性的实用工具。

UHGEval - 中文大语言模型无约束生成幻觉评估基准

Eval SuiteGithubUHGEval中文评估基准大语言模型幻觉评估开源项目

UHGEval是一个评估中文大语言模型在无约束生成任务中幻觉现象的基准。该项目基于文本生成和幻觉收集，融合自动标注与人工审核。UHGEval提供判别式、生成式和选择式等多种评估方法。项目还包含Eval Suite评估框架，支持多个幻觉评估基准，可全面评估单个大语言模型的表现。

ToolQA - 评估工具增强型大语言模型的开源数据集

GithubToolQA大语言模型工具增强开源项目数据集评估基准

ToolQA是一个开源数据集，专门用于评估工具增强型大语言模型。数据集涵盖8个领域，包含需要综合使用多个工具解答的问题，分为简单和困难两个级别。ToolQA通过人机协作创建，提供了数据统计、下载链接、工具实现和基准代码，为研究人员评估和改进大语言模型的外部工具使用能力提供全面资源。

hallucination-leaderboard - LLM在文档总结任务中的幻觉频率排名

GithubHHEM-2.1LLMVectarafactual consistencyhallucination rate开源项目

Vectara的Hughes幻觉评估模型定期分析和更新LLM排名，揭示各模型在文档总结任务中的幻觉出现频率。排行榜还包括事实一致性率、回答率等关键性能指标，助您识别信息传达准确性最佳的LLM。

RefChecker - 针对大语言模型输出的精细化幻觉检测框架

GithubRefChecker事实性大语言模型幻觉检测开源项目评估框架

RefChecker是一个标准化评估框架，用于检测大语言模型(LLM)输出中的细微幻觉。该框架将LLM响应分解为知识三元组，在三种不同背景下进行精细化幻觉检测。项目包括人工标注的基准数据集、模块化架构和自动化检查器，有助于评估和改进LLM输出的事实准确性。RefChecker为研究人员和开发者提供了评估和提高LLM生成内容可靠性的工具。

Q-Bench - 评测多模态大语言模型的低层视觉能力

GithubICLR2024Q-Bench低层视觉基准测试多模态大语言模型开源项目

Q-Bench是一个评估多模态大语言模型低层视觉能力的基准测试。它通过感知、描述和评估三个领域，使用LLVisionQA和LLDescribe数据集测试模型性能。该项目采用开放式评估框架，支持研究者提交结果或模型。Q-Bench对比了开源和闭源模型的表现，并与人类专家水平进行对照，为深入理解和提升多模态AI的基础视觉处理能力提供了关键洞察。

HALOs - 设计人类意识损失函数以改进大型语言模型的人类反馈对齐

ArchangelGithubHuman-Aware Loss FunctionsKTOLLM开源项目训练

该项目提供灵活的平台，用于设计和优化人类意识的损失函数，旨在大规模地与离线人类反馈对齐大型语言模型。通过模块化数据加载和训练架构，支持包括KTO、PPO等多种损失策略，并提供基于GPT-4的开放式评估功能。建议阅读项目的技术报告和完整论文以获取更多信息。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com