跳到正文
arXiv · NLP· Sicong Huang, Ian Lane·· 2026-10-21AI 评分35

SHAM-Bench:跨多任务 Span 级幻觉评测基准

SHAM-Bench: A Span-level Hallucination Benchmark Across Multiple Tasks

AI 导读

研究者推出 SHAM-Bench 统一基准,涵盖 6 类 NLG 任务共 6,461 个标注样本。 评估发现微调检测器在分布偏移下性能衰退,推理提示方法跨任务更鲁棒。 数据集、代码及公开排行榜已发布,支持未来广谱幻觉检测研究。

来源:arXiv · NLP · arxiv.org