待验证90% 置信事实时间未知

幻觉（Hallucination）分为内在幻觉和外在幻觉两类，检测技术路线包括基于知识库的事实核查、基于模型不确定性的检测和基于多次采样一致性的方法

1

来源数

90%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

AI Guardrails Index：最全面的LLM安全护栏评估体系详解

twitterguardrails_ai

涉及实体

Hallucinationconcept

相关事实

待验证幻觉检测领域常用的评估基准包括TruthfulQA、HaluEval和FActScore76% 相似待验证IBM的Granite Guardian模型能检测任何基于事实的响应或函数调用中的幻觉64% 相似待验证工业界通过RAGAs评估框架、TruthfulQA基准测试等手段量化幻觉风险63% 相似待验证代码生成中的幻觉可通过语法检查甚至单元测试，却在集成测试或生产环境才暴露问题63% 相似待验证模型幻觉检测、输出可靠性评估、Prompt注入攻击防范、数据隐私合规等议题随着AI应用大规模落地受到越来越多重视60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/27805

API

curl https://kongchang.com/api/v1/knowledge/claims/27805

MCP

get_claim(id=27805)