Hallucination Leaderboard——聊天 AI 产生幻觉的排行榜
⭐发布日期:2024年10月09日 | 来源:法妞问答
【48k奥彩免费资料】 |
【澳门马资料最准的】 |
【香港内部正版资料一码】 | 【新澳门资料大全免费】 | 【6合神童免费资料大全】 | 【管家婆一肖一码100中】 | 【新澳门免费资】 | 【香港最全资料图库正版】 | 【澳门4499资料大全】 | 【管家婆中特王中王】 |
【新澳六开彩号码记录】 | 【新澳门六开彩结果2024年】 | 【澳门一码一肖一特一中五码必中】 | 【新澳门彩历史记录近30期】 | 【澳彩精准资料免费长期公开】 | 【资料大全正版资料免费】 | 【澳门一肖一码100%准确】 | 【澳门精准正版免费大全】 |
现在ChatGPT 等 大语言模型(Large Language Model)可以像人类一样出口成章,但另一方面,可能会出现“幻觉(Hallucination)”,即说出与事实不符的内容,就好像它是真的一样。 人工智能公司Vectara公布了各种大型语言模型中幻觉幻觉(Hallucination)发生率的调查结果。
vectara/hallucination-leaderboard: Leaderboard Comparing LLM Performance at Producing Hallucinations when Summarizing Short Documents
https://github.com/vectara/hallucination-leaderboard
Cut the Bull…. Detecting Hallucinations in Large Language Models - Vectara
https://vectara.com/cut-the-bull-detecting-hallucinations-in-large-language-models/
实际幻觉的例子如下。 原文中没有的信息将显示在PaLM摘要中。
原文内容:
植物在周六早上搜查阿什伯恩近郊的仓库时被发现。警方说,他们在“精心设计的种植设施”里。一名四十多岁的男子当场被捕。
The plants were found during the search of a warehouse near Ashbourne on Saturday morning. Police said they were in “an elaborate grow house.” A man in his late 40s was arrested at the scene.
PaLM摘要:
在阿什伯恩附近的一个仓库中发现了价值约10万英镑的大麻植物,警方逮捕了一名40多岁的男子。
Police have arrested a man in his late 40s after cannabis plants worth an estimated £100,000 were found in a warehouse near Ashbourne.
您可以看到 PaLM 推断该文章是关于大麻植物的,并添加了估计的市值,这两者都没有出现在源文本中。
幻觉发生率的评价是通过向各个大规模语言模型传递以下提示,通过Hughes Hallucination Evaluation Model的调查结果来进行排名。
用来生成排行榜摘要的提示是:
You are a chat bot answering questions using data. You must stick to the answers provided solely by the text in the passage provided. You are asked the question ‘Provide a concise summary of the following passage, covering the core pieces of information described.’ <PASSAGE>’
(你是一个使用数据回答问题的聊天机器人。你必须坚持只根据文章中的文字提供的答案。你会被问到这样一个问题:“提供以下文章的简要摘要,涵盖所描述的核心信息。”<段落>)
然后我们将 <PASSAGE> 替换为源文档。您可以在下面找到源文档和 LLM 生成的摘要。
https://github.com/vectara/hallucination-leaderboard/blob/main/leaderboard_summaries.csv
结果如下表所示。GPT4在准确性和幻觉率低两方面都获得了最高得分,GPT3.5和谷歌Gemini Pro紧随其后。另外,生成摘要太短的情况下被认为是“不回答”。
为了能够进行定期更新,每次出现新模型或模型更新时,都会在 GitHub 上使用新数据更新检查此幻觉概率的表。
但是,在这次的调查中,只以各自输出的摘要和原文的事实的连贯性为评价对象,只是将原文的一部分剪切粘贴的模型的评价会变高。幻觉发生率和摘要的质量是完全不同的评价轴,应该进行不同的测量独立评价。
Vectara表示,虽然距离解决大型语言模型的幻觉问题还有很长的路要走,但通过将本次评估中使用的“Hughes Hallucination Evaluation Model”开源化,希望让社区参与解决幻觉问题,使解决大型语言模型的幻觉问题的应对更上一层楼。
【2024澳门天天开好彩大全免费】 【新澳天天开奖资料大全最新】 |
【2024年天天开好彩资料】 【新澳天天开奖资料大全最新54期】 |
【2024澳门天天开好彩大全53期】 【澳门天天开彩期期精准】 |
【2024全年资料免费大全】 【新澳天天开奖资料大全】 |
【澳门内部最精准免费资料】 【2024澳门天天开好彩大全】 |
【2024年新奥门天天开彩免费资料】 【新澳2024今晚开奖资料】 【香港二四六资料大全一鸣】 |
发表评论
smithnathi
4秒前:用来生成排行榜摘要的提示是:You are a chat bot answering questions using data.
IP:46.26.1.*
唐倩
7秒前:幻觉发生率的评价是通过向各个大规模语言模型传递以下提示,通过Hughes Hallucination Evaluation Model的调查结果来进行排名。
IP:12.62.7.*
托马斯·詹姆斯·凯普纳
1秒前:” A man in his late 40s was arrested at the scene.
IP:32.78.6.*