hallucination-leaderboard
LLM在文档总结任务中的幻觉频率排名
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。
Hallucination Leaderboard 项目介绍
项目背景与目标
Hallucination Leaderboard 是一个由 Vectara 公司发起的公共大规模语言模型（LLM）排行榜，该排行榜基于哈奇斯幻觉评估模型（Hughes Hallucination Evaluation Model, HHEM）来评估。当LLM在总结文档时引入不真实信息（幻觉）的频率如何。此项目旨在随着模型和LLM的更新，定期更新排行榜，为学术研究和产业应用提供实时评估工具。
幻觉评估模型
排行榜的排行是通过最新版本的HHEM-2.1幻觉评估模型来计算的。此模型专门用于检测LLM输出中的幻觉，以确保生成的总结内容与原始文档的一致性和准确性。感兴趣的用户可以在 Hugging Face 和 Kaggle 访问这一开源版本的评估模型。
数据来源与方法论
为了评估模型，我们使用了多个开放源代码的数据集，这些数据集用于研究总结模型的真实性一致性。具体而言，项目方将千余个短文档通过各个LLM的公共API进行总结，最终使用831个被所有模型总结的文档来计算各个模型的总体真实性一致性率与幻觉率。
项目特别关注于总结任务中的真实一致性而非总体真实准确性，这是为了能更精准地比较模型在给定信息下的回复表现。幻觉检出过程参考了大量现有的学术研究，使得这一方法不仅可用于当前任务，也对LLM的整体真实性能力提供指引。
模型排行榜
在排行榜上，各个模型的表现通过以下指标进行展示：
- 幻觉率：反映了模型生成不真实内容的频率。
- 实际一致性率：描述了模型生成内容与原始文档的一致性。
- 回应率：模型是否能有效回应指定任务。
- 总结长度：模型生成总结的平均字数。
这些指标结合为用户提供了对不同模型在总结任务中的真实性和一致性表现的全 面理解。
已实现与未来计划
项目当前实现了一个排名列表，用户可以在 Hugging Face 网站查看完整排行榜。项目方还计划添加更多特性，例如引用准确性的排行榜以及多文档总结等任务的评估。此外，未来也将扩展语言覆盖范围，以适应更多样化的用户需求和应用场景。
总之, Hallucination Leaderboard 项目致力于为大规模语言模型提供直观且详尽的真实性检测工具，也是模型研究和应用的一大进展。希望通过社区共同努力，不断推进幻觉检测领域的发展，优化模型的输出质量。
编辑推荐精选
音述AI
全球首个AI音乐社区
音述AI是全球首个AI音乐社区，致力让每个人都能用音乐表达自我。音述AI提供零门槛AI创作工具，独创GETI法则帮助用户精准定义音乐风格，AI润色功能支持自动优化作品质感。音述AI支持交流讨论、二次创作与价值变现。针对中文用户的语言习惯与文化背景进行专门优化，支持国风融合、C-pop等本土音乐标签，让技术更好地承载人文表达。
QoderWork
阿里Qoder团队推出的桌面端AI智能体
QoderWork 是阿里推出的本地优先桌面 AI 智能体，适配 macOS14+/Windows10+，以自然语言交互实现文件管理、数据分析、AI 视觉生成、浏览器自动化等办公任务，自主拆解执行复杂 工作流，数据本地运行零上传，技能市场可无限扩展，是高效的 Agentic 生产力办公助手。
lynote.ai
一站式搞定所有学习需求
不再被海量信息淹没，开始真正理解知识。Lynote 可摘要 YouTube 视频、PDF、文章等内容。即时创建笔记，检测 AI 内容并下载资料，将您的学习效率提升 10 倍。
AniShort
为AI短剧协作而生
专为AI短剧协作而生的AniShort正式发布，深度重构AI短剧全流程生产模式，整合创意策划、制作执行、实时协作、在线审片、资产复用等全链路功能，独创无限画布、双轨并行工业化工作流与Ani智能体助手，集成多款主流AI大模型，破解素材零散、版本混乱、沟通低效等行业痛点，助力3人团队效率提升800%，打造标准化、可追溯的AI短剧量产体系，是AI短剧团队协同创作、提升制作效率的核心工具。
seedancetwo2.0
能听懂你表达的视频模型
Seedance two是基于seedance2.0的中国大模型，支持图像、视频、音频、文本四种模态输入，表达方式更丰富，生成也更可控。
nano-banana纳米香蕉中文站
国内直接访问，限时3折
输入简单文字,生成想要的图片，纳米香蕉中文站基于 Google 模型的 AI 图片生成网站，支持文字生图、图生图。官网价格限时3折活动
扣子-AI办公
职场AI，就用扣子
AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！
堆友
多风格AI绘画神器
堆友平台由阿里巴巴设计团队创建，作为一款AI驱动的设计工具，专为设计师提供一站式增长服务。功能覆盖海量3D素材、AI绘画、实时渲染以及专业抠图，显著提升设计品质和效率。平台不仅提供工具，还是一个促进创意交流和个人发展的空间，界面友好，适合所有级别的设计师和创意工作者。
码上飞
零代码AI应用开发平台
零代码AI应用开发平台，用户只需一句话简单描述需求，AI能自动生成小程序、APP或H5网页应用，无需编写代码。
Vora
免费创建高清无水印Sora视频
Vora是一个免费创建高清无水印Sora视频的AI工具
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号