提出PHANTOMBENCH,一个由超过60000个非存在术语和实体组成的大规模基准,用于评估语言模型对不存在概念的拒绝能力,发现所有测试模型存在高幻觉率(平均高达86.7%),并可作为研究罕见概念行为的代理。
机构:UBC
来源:arXiv 2606.11105 | AI4Papers 论文推荐平台