#大模型

大模型幻觉自动评估：TruthfulQA 与 HaluEval 的机理、指标与工程权衡

聚焦 TruthfulQA 与 HaluEval 两个代表性基准，解析它们在设计机理、评估指标和生成式模型对抗性评估上的异同。文章以企业知识库问答为贯穿场景，讨论指标效度、跨领域泛化不足等挑战，并探索结合人工评估与自动评估的工程实践，帮助读者理解幻觉评估的适用边界与部署决策。