DialFork 基准：36278 段对话检测对话型 Agent 的程序性幻觉

IDIAP 等机构发布 DialFork 基准，用 36278 段对话检测对话型 Agent 的程序性幻觉，覆盖事实错误之外的流程步骤走偏。其核心是 flow-aware 流程感知指标，通过对话层面的流程偏离度而非内容相似度判定幻觉。基准包含 24 个任务、12 个领域和 3 类评测任务，已在 github.com/idiap/dialfork 开源。