AI大语言模型幻觉测评：Gemini 2.0 Flash表现最佳，幻觉率最低

近来，Vectara 发布了一项针对大型语言模型（LLM）的“幻觉排行榜”评测，旨在量化评估不同语言模型产生不实信息的倾向。该排行榜采用了 Vectara 的 Hughes 幻觉评估模型（HHEM-2.1），通过该模型对各种语言模型在生成信息的准确性进行客观评估。

在该排行榜中，谷歌的 Gemini 2.0 模型展现出卓越的性能，特别是 Gemini-2.0-Flash-001，其幻觉率仅为 0.7%，在众多参与评测的模型中表现最佳，即便在长上下文处理中也能维持较低的错误率。相比之下，Gemini-2.0-Pro-Exp 和 OpenAI 的 o3-mini-high-reasoning 模型的幻觉率略高，约为 0.8%。

排行榜的设立旨在帮助开发者更好地了解各种语言模型的幻觉程度，以便在实际应用中做出明智的选择。通过量化幻觉率，开发者可以更有效地降低模型产生不准确信息的风险，并提升信息检索系统的整体可靠性。值得注意的是，模型在进行事实性任务时的幻觉表现尤为重要，因为这直接关系到最终用户获取信息的准确性。

总体而言，该排行榜的发布有助于推动语言模型技术的发展，促使开发者更加重视模型在生成信息时的准确性。通过持续评估和优化语言模型的性能，有望在未来构建出更加可靠和值得信赖的人工智能系统。

相关排行榜链接：https://github.com/vectara/hallucination-leaderboard

关键要点：

🪐 Vectara 幻觉评估模型能够有效评估大型语言模型在生成信息方面的可靠性。

🔍 谷歌 Gemini 系列模型在幻觉率方面表现出色，仅为 0.7%。

📊 幻觉排行榜旨在全面评估各种语言模型在信息生成方面的准确性，从而促进技术的进步。