DialFork 基准：36278 段对话检测对话型 Agent 的程序性幻觉

IDIAP 等机构发布开源 DialFork 基准，以 36,278 段对话检测对话型 Agent 的程序性幻觉，覆盖 24 个任务、12 个领域和 3 类评测任务。该基准提出 flow-aware 指标，通过衡量对话层面的流程偏离度而非内容相似度识别幻觉。