HALLMARK：覆盖14类幻觉的引用核验基准发布

Kayoon Kim、Wieland Brendel 和 Patrik Reizinger 在 arXiv 发布 HALLMARK 引用幻觉基准，包含 2,526 条 BibTeX 条目，覆盖 14 类幻觉类型，用于诊断 LLM 引用核验器，并提供按类型诊断标签以及时间、跨领域和真实场景评测划分，同时评测了多种 LLM 和基于规则的引用验证器。 作者强调两点限制：核验器给出的每个标记仍需人工复核；验证器排名取决于如何定义幻觉——对描述真实作品但引用不准确的类型重新计分就会改变谁排第一，而学术会议尚未就幻觉定义达成一致。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。