arXiv · cs.AI· Sergio Burdisso, Esa\'u Villatoro-Tello, Dairazalia S\'anchez-Cort\'es, Yanis Labrak, Jordi Luque, Milos Cernak, Petr Motlicek·· 6 小时前
DialFork：评估对话代理程序性幻觉的基准
DialFork: Going Beyond Factuality to Evaluate Procedural Hallucination in Conversational Agents
arXiv:2610.21561v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Sergio Burdisso, Esa\'u Villatoro-Tello, Dairazalia S\'anchez-Cort\'es, Yanis Labrak, Jordi Luque, Milos Cernak, Petr Motlicek
研究任务与主要进展
研究作者提出DialFork基准，用于评估对话代理在保持语句事实合理的同时偏离既定对话流程的“程序性幻觉”。该基准通过在受控轮次分叉并注入四类幻觉，构造覆盖12个领域、24项任务的36,278段对话，并由30名人工标注者验证；作者还提出FlowKL和FlowScore，并报告FlowScore在七种编码器上优于全部基线。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org