S
SkillNav

FACTS Grounding：大语言模型事实性评估新基准

深度2024年12月17日4 分钟阅读
FACTS Grounding：大语言模型事实性评估新基准
Google DeepMind 发布 FACTS Grounding 基准，用 1,719 个长文档示例评估 LLM 的响应是否基于给定材料且无幻觉。同时上线 Kaggle 排行榜，已测试主流模型并公布初始分数。
本文编译自 FACTS Grounding: A new benchmark for evaluating the factuality of large language models，版权归原作者所有。

觉得有用？分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察，每周更新。

关注 @skillnav_dev →阅读周刊

概念速查

大语言模型

大语言模型是通过海量文本训练出的 AI 模型，能理解和生成人类语言——Agent、RAG、MCP 的底层引擎。

事实对齐

事实对齐是让 AI 输出基于真实数据而非内部「记忆」的技术——幻觉的解药。

相关文章

把13个AI智能体丢到虚拟荒岛，它们自己玩了起来

MIT研究人员将13个Eko智能体置于无任务的虚拟荒岛30小时，它们自发探索、发明游戏，并学会设计师未预设的技巧。经历“玩耍”的智能体在后续任务中表现更好，研究者认为无目标探索可能是智能体学习的新范式。

深度·10月23日·4 分钟

把数据库检查变成奖励：ThinkingBox 的 Agent 训练新方法

微软和 Hugging Face 联合发布 ThinkingBox-Training，将 ThinkingBox-Bench 中可执行检查返回的 0/1 结果作为奖励信号，用于训练其他任务上的 Agent。他们提出离线策略相对难度来选择训练任务，并用 GRPO 对 Qwen3.8-27B 进行微调。结果显示，模型在重复性任务上的成功率大幅提升，但至少成功一次的覆盖率略有下降。

深度Hugging Face·10月22日·8 分钟

评论