Luna: 评估基础模型以高准确度和低成本捕捉语言模型幻觉
原文中文，约400字，阅读约需1分钟。发表于：。Luna 是一个针对 Retriever Augmented Generation 的幻觉检测的 DeBERTA-large（440M）编码器，通过在各个行业领域中的轻量级建模和广义化的多领域数据上的优良表现，实现了较低的成本和延迟以及优于 GPT-3.5 和商业评估框架的 97% 和 96% 的幻觉检测准确度。
该研究提出了一种利用检索增强生成（RAG）改进大规模语言模型（LLMs）的系统设计，用于处理私人知识库相关的领域特定和时间敏感查询。实验结果表明该系统在生成准确的查询答案方面有效，并揭示了微调LLM时数据集规模和偏斜的限制。该研究突出了RAG系统在知识密集型任务中增强LLMs表现的潜力。
