synthetic-environments

HalluWorld 是一个可控基准框架，通过显式的参考世界模型在网格世界、国际象棋和实际终端任务等合成环境中评估大型语言模型中的幻觉。它可以细粒度分析各种故障模式，例如感知幻觉、多步状态追踪和因果模拟，揭示出前沿模型在处理扩展思维无法解决的复杂推理时仍然存在困难。