大模型幻觉怎么评测？

AI说得流畅，不代表事实正确。

一套完整的大模型幻觉评测，需要经过：
设计测试问题
↓
获取模型回答
↓
拆成原子事实
↓
查找可靠证据
↓
标注错误类型
↓
汇总评测指标

重点检查5项指标：

01｜事实正确率
模型说出的可核验事实，有多少得到可靠证据支持？

02｜引用准确率
已经给出的引用，是否真正支持对应结论？

03｜引用完整率
需要证据的重要陈述，有多少获得来源覆盖？

04｜拒答合理性
资料不足时，模型能否承认不知道，而不是继续猜测？

05｜重复运行稳定性
同一个问题多次测试，关键事实和引用是否保持一致？

关键结论：会回答多少，不等于回答得多可靠。

配套文章已完整拆解评测流程、计算方法与常见误区。