@GigaAI: 推出幻觉纠正功能。我们将幻觉率降低了70%。Giga的幻觉率约为1%。更胜一筹……
摘要
GigaAI 宣布推出新的幻觉纠正功能,将模型的幻觉率降至约1%,并声称其可靠性优于前沿模型。
推出幻觉纠正功能。我们将幻觉率降低了70%。Giga的幻觉率约为1%。优于最好的前沿模型。
部署您的客户可以信赖的人工智能。https://t.co/29SR1oMpY3
查看缓存全文
缓存时间: 2026/05/08 10:44
引入幻觉修正。我们将幻觉减少了70%。Giga的幻觉率约为1%,优于最先进的前沿模型。
部署您的客户可以信赖的AI。 https://t.co/29SR1oMpY3
相似文章
GPT-5.5 产生幻觉的比率比 MIT 许可的 GLM-5.2 高出三倍
一篇比较主流AI模型幻觉率的博客文章显示,较小的开源模型(如 GLM-5.2)比大型专有模型(如 GPT-5.5)显著更少产生幻觉,这表明扩大模型规模带来的收益正在递减。
RAGognizer:通过检测头集成实现幻觉感知微调
RAGognizer 提出了一种幻觉感知微调方法,该方法将轻量级检测头集成到大语言模型(LLMs)中,以实现语言建模与幻觉检测的联合优化,适用于 RAG 系统。论文介绍了 RAGognize,一个包含自然发生的闭域幻觉及其词元级标注的数据集,并展示了在降低幻觉率的同时,实现了最先进的幻觉检测性能,且不损害语言质量。
Gemini与AI幻觉
讨论Google Gemini模型中的AI幻觉问题,突出大型语言模型在可靠性和准确性方面的挑战。
如果你指示你的常用AI模型:‘绝对不要产生幻觉!!!’会发生什么
一个思想实验提出疑问:指示AI模型永远不要产生幻觉会触发其自我反思,还是会导致模型自我欺骗,相信自己没有产生幻觉?
我们的ICML论文:可预测幻觉(信息预算弃权门)及今日发布的免训练开源权重实现ntkMirror
一篇被ICML 2026接收的论文提出了通过信息预算弃权门实现可预测幻觉的方法,并发布了ntkMirror——一种免训练的开源权重实现,通过在信息不足时弃权来减少幻觉,在约24%弃权率下实现0.0–0.7%的幻觉率。