“林黛玉倒拔垂楊柳”、“月球上面有桂樹”、“宋江字武松”……相信經(jīng)常使用大語言模型都會遇到這樣“一本正經(jīng)胡說八道”的情況。這其實是大模型的“幻覺”問題，是大模型行業(yè)落地的核心挑戰(zhàn)之一。例如幻覺會影響生成內(nèi)容的可靠性，對于法律、金融、醫(yī)療等專業(yè)要求高的領(lǐng)域，將難以完成實際場景任務(wù)。因此，大模型幻覺問題也被認(rèn)為是制約大模型廣泛應(yīng)用的一大難題。
如何準(zhǔn)確評估和解決大語言模型中的幻覺問題已經(jīng)成為一個至關(guān)重要的挑戰(zhàn)。近日，復(fù)旦大學(xué)與上海人工智能實驗室構(gòu)建了針對中文大模型的幻覺評測數(shù)據(jù)集HalluQA，對業(yè)界主流的大模型進(jìn)行了評估。
HalluQA采用無幻覺率來評估大模型的優(yōu)劣。無幻覺率越高代表模型幻覺越低，事實準(zhǔn)確性越高。在評測的24個主流大模型中，包括百度文心一言ERNIE-Bot、百川Baichuan、智譜ChatGLM、阿里通義千問和GPT-4等。
中文大模型幻覺評測數(shù)據(jù)集HalluQA對24個主流大模型進(jìn)行評測
從評測結(jié)果來看，幻覺問題對大模型來說尚有困難，有18個模型的無幻覺率低于50%。在幻覺消除上，具備檢索增強能力的大模型優(yōu)勢明顯，在所有模型評測中，文心一言在整體幻覺問題解決方面表現(xiàn)突出，排名第一，整體無幻覺率為69.33%。而GPT-4整體無幻覺率為53.11%，排名第六。
HalluQA：不同類型模型在不同類型的問題上的平均非幻覺率
行業(yè)普遍認(rèn)為，幻覺問題對于大模型在多個領(lǐng)域的落地都可能產(chǎn)生嚴(yán)重影響，包括客戶服務(wù)、金融服務(wù)、法律決策和醫(yī)療診斷等。因此解決幻覺問題越好的大模型，才具備更強的產(chǎn)業(yè)落地價值。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
