热点事件持续更新
决策模型作幻觉评判器：与 gpt-6-sol 对比
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026-10-28，arXiv cs.CL 发布一项基准研究，把决策模型用作幻觉检测的评判器，并与生成式评判器 gpt-6-sol 对比。该二元基准覆盖五类幻觉、共 9,852 条样本：在上下文不一致上，最优决策模型的平衡准确率与 gpt-6-sol 持平；在事实错误上，它仅落后 3 个百分点。但在逻辑不一致和指令不一致两类上，它落后 4-8 个百分点，而且输出的概率普遍过度自信。研究还报告，决策模型的置信度级联在三类幻觉上比单一最佳模型提升 1.9-3.3 个百分点，并以 gpt-6-sol 1-3% 的成本达到或超过其表现。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
新基准显示，决策模型在上下文不一致上与 gpt-6-sol 持平，置信度级联以 1-3% 成本追平。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.CL决策模型作为幻觉检测评判器：与 gpt-6-sol 的基准对比
覆盖五类幻觉、9,852 条样本的二元基准显示，最优决策模型在上下文不一致上的平衡准确率与生成式评判器 gpt-6-sol 持平，事实错误仅差 3 个百分点。但它在逻辑不一致和指令不一致上落后 4-8 个百分点，且输出概率普遍过度自信。决策模型的置信度级联在三类幻觉上比单一最佳模型提升 1.9-3.3 个百分点，并以 gpt-6-sol 1-3% 的成本达到或超过其表现。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。