#112 · 主分类： MLOps与评测
hallucination-leaderboard
比较LLM在总结短文档时产生幻觉的表现排行榜
项目最后更新：05/11/26
GitHub Stars
3.3K
Forks数量
109
贡献者数量
20
许可证
Apache-2.0
收录理由
做摘要密集的RAG或其他基于文档的任务时，模型编造事实的概率往往比花哨的基准分数更值得关注。Vectara让每个大模型阅读相同的短文，再用自家的HHEM评估器统计摘要中虚构内容的出现频率。榜单逐项列出幻觉率、事实一致性、应答率和平均摘要长度，并随着新模型推出而刷新。旧版榜单也保留着，方便你观察候选模型的趋势变化。它更像一份参考，而不是可直接部署的工具，但用来自行测试前初步筛选几个模型很顺手，Hugging Face上的交互式版本也让浏览结果变得轻松。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。
同类热门项目
unsloth
本地UI，用于运行和训练LLM及扩散模型。支持GGUF、MLX、Qwen3.8、Kimi K3、MiniMax-H3、Gemma 4、FLUX等。
LlamaFactory
统一高效微调100+大语言模型与视觉语言模型（ACL 2024）
airflow
Apache Airflow - 一个以编程方式编写、调度和监控工作流的平台
langfuse
🪢 开源AI工程平台：LLM评估、可观测性、指标、提示管理、游乐场、数据集。与OpenTelemetry、LangChain、OpenAI SDK、LiteLLM等集成。🍊YC W23
netron
神经网络、深度学习和机器学习模型的可视化工具