待验证50% 置信基准精确时间

常见的对齐评估基准包括TruthfulQA和HarmBench

1

来源数

50%

置信度

长期有效

时效性

2026/9/23

首次发现

来源

Noam Brown：AI智能体之间比对人类更"诚实"

涉及实体

TruthfulQAproduct HarmBenchproduct

相关事实

已验证幻觉检测领域常用的评估基准包括TruthfulQA、HaluEval和FActScore76% 相似待验证通过恶意注入场景与良性对照场景的交叉对比可将测试结果分类为真安全、假安全、安全漏洞和过度防御四类69% 相似待验证该数据集涵盖正确性bug、安全问题、性能权衡和真实的风格判断等多种编程质量维度68% 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67% 相似待验证合理做法是按风险分级：只读、可逆、低影响动作可信任上游检查，产生真实副作用、不可逆或涉及敏感资源的动作则需要执行边界独立验证67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/942976

API

curl https://kongchang.com/api/v1/knowledge/claims/942976

MCP

get_claim(id=942976)