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

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。

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。

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。

Unweight 是 Cloudflare 开发的 LLM 权重无损压缩系统，通过 Huffman 编码压缩指数字节，在 H100 GPU 上实现 15-22% 的模型体积缩减。系统提供四种执行流水线，根据工作负载动态选择最优解压策略，减少内存带宽压力，提升推理效率。

深度·4月17日·8 分钟

Claude Opus 4.7 在 SWE-Bench Pro 等多项编码基准测试中提升显著，最高达 11 分。模型支持高达 2576 像素的长边图像输入，视觉能力大幅增强。尽管新分词器可能导致 token 使用量增加 35%，但推理效率的提升使整体 token 成本仍可能下降一半。

深度Latent Space·4月17日·4 分钟