GPT-4V (ision): 幻觉的整体分析：偏见和干扰挑战

本文介绍了 HalluQA 基准，用于衡量中文大型语言模型中的幻觉现象。通过对 24 个大型语言模型的广泛实验，发现有 18 个实现了低于 50% 的非幻觉率，表明 HalluQA 具有很高的挑战性。同时，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。