揭开塞壬之歌：迈向可靠的事实冲突幻觉检测

该论文建立了一个名为HalluQA的基准，用于衡量中文大型语言模型中的幻觉现象。通过对24个大型语言模型进行广泛实验，发现18个模型实现了低于50%的非幻觉率，表明HalluQA具有很高的挑战性。同时，该论文分析了不同类型模型中主要类型的幻觉及其原因，并讨论了不同类型模型应优先考虑哪些类型的幻觉。