大模型幻觉率排行：GPT-4 3%最低，谷歌Palm竟然高达27.2%

最新推荐文章于 2025-02-24 06:15:00 发布

LLM.

最新推荐文章于 2025-02-24 06:15:00 发布

阅读量1k

点赞数 19

文章标签： langchain 人工智能语言模型 LLM 大模型大模型幻觉 AI大模型

本文链接：https://blog.csdn.net/2301_81888214/article/details/140083741

版权

人工智能发展进步神速，但问题频出。OpenAI 新出的 GPT 视觉 API 前脚让人感叹效果极好，后脚又因幻觉问题令人不禁吐槽。

幻觉一直是大模型的致命缺陷。由于数据集庞杂，其中难免会有过时、错误的信息，导致输出质量面临着严峻的考验。过多重复的信息还会使大模型形成偏见，这也是幻觉的一种。但是幻觉并非无解命题。开发过程中对数据集慎重使用、严格过滤，构建高质量数据集，以及优化模型结构、训练方式都能在一定程度上缓解幻觉问题。

流行的大模型有那么多，它们对于幻觉的缓解效果如何？这里有个排行榜明确地对比了它们的差距。

该排行榜由专注于 AI 的 Vectara 平台发布。排行榜更新于 2023 年 11 月 1 日，Vectara 表示后续会随着模型的更新继续跟进幻觉评估。

项目地址：https://github.com/vectara/hallucination-leaderboard

为了确定这个排行榜，Vectara 使用各种开源数据集对摘要模型进行了事实一致性研究，并训练了一个模型来检测 LLM 输出中的幻觉。他们使用了一个媲美 SOTA 模型，然后通过公共 API 向上述每个 LLM 输送了 1000 篇简短文档，并要求它们仅使用文档中呈现的事实对每篇文档进行总结。在这 1000 篇文档中，只有 831 篇文档被每个模型总结，其余文档由于内容限制被至少一个模型拒绝回答。利用这 831 份文件，Vectara 计算了每个模型的总体准确率和幻觉率。每个模型拒绝响应 prompt 的比率详见「Answer Rate」一栏。发送给模型的内容都不包含非法或不安全内容，但其中的触发词足以触发某些内容过滤器。这些文件主要来自 CNN / 每日邮报语料库。

需要注意的是，Vectara 评估的是摘要准确性，而不是整体事实准确性。这样可以比较模型对所提供信息的响应。换句话说，评估的是输出摘要是否与源文件「事实一致」。由于不知道每个 LLM 是在什么数据上训练的，因此对于任何特别问题来说，确定幻觉都是不可能的。此外，要建立一个能够在没有参考源的情况下确定回答是否是幻觉的模型，就需要解决幻觉问题，而且需要训练一个与被评估的 LLM 一样大或更大的模型。因此，Vectara 选择在总结任务中查看幻觉率，因为这样的类比可以很好地确定模型整体真实性。

检测幻觉模型地址：https://huggingface.co/vectara/hallucination_evaluation_model

此外，LLM 越来越多地用于 RAG（Retrieval Augmented Generation，检索增强生成）管道来回答用户的查询，例如 Bing Chat 和谷歌聊天集成。在 RAG 系统中，模型被部署为搜索结果的汇总器，因此该排行榜也是衡量模型在 RAG 系统中使用时准确性的良好指标。

由于 GPT-4 一贯的优秀表现，它的幻觉率最低似乎是意料之中的。但是有网友表示，GPT-3.5 与 GPT-4 并没有非常大的差距是令他较为惊讶的。

LLaMA 2 紧追 GPT-4 与 GPT-3.5 之后，有着较好的表现。但谷歌大模型的表现实在不尽人意。有网友表示，谷歌 BARD 常用「我还在训练中」来搪塞它的错误答案。

有了这样的排行榜，能够让我们对于不同模型之间的优劣有更加直观的判断。前几天，OpenAI 推出了 GPT-4 Turbo，这不，立刻有网友提议将其也更新在排行榜中。

下次的排行榜会是怎样的，有没有大幅变动，我们拭目以待。

如何系统的去学习大模型LLM ？

作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。

但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的 AI大模型资料 包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

所有资料 ⚡️ ，朋友们如果有需要全套《LLM大模型入门+进阶学习资源包》，扫码获取~

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。那以下这些PDF籍就是非常不错的学习资源。

在这里插入图片描述

四、AI大模型商业化落地方案

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
  - L1.4.1 知识大模型
  - L1.4.2 生产大模型
  - L1.4.3 模型工程方法论
  - L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
  - L2.1.1 OpenAI API接口
  - L2.1.2 Python接口接入
  - L2.1.3 BOT工具类框架
  - L2.1.4 代码示例
- L2.2 Prompt框架
  - L2.2.1 什么是Prompt
  - L2.2.2 Prompt框架应用现状
  - L2.2.3 基于GPTAS的Prompt框架
  - L2.2.4 Prompt框架与Thought
  - L2.2.5 Prompt框架与提示词
- L2.3 流水线工程
  - L2.3.1 流水线工程的概念
  - L2.3.2 流水线工程的优点
  - L2.3.3 流水线工程的应用
- L2.4 总结与展望

阶段3：AI大模型应用架构实践

目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
内容：
- L3.1 Agent模型框架
  - L3.1.1 Agent模型框架的设计理念
  - L3.1.2 Agent模型框架的核心组件
  - L3.1.3 Agent模型框架的实现细节
- L3.2 MetaGPT
  - L3.2.1 MetaGPT的基本概念
  - L3.2.2 MetaGPT的工作原理
  - L3.2.3 MetaGPT的应用场景
- L3.3 ChatGLM
  - L3.3.1 ChatGLM的特点
  - L3.3.2 ChatGLM的开发环境
  - L3.3.3 ChatGLM的使用示例
- L3.4 LLAMA
  - L3.4.1 LLAMA的特点
  - L3.4.2 LLAMA的开发环境
  - L3.4.3 LLAMA的使用示例
- L3.5 其他大模型介绍