DialFork基准发布，检测Agent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。 该基准关注Agent在事实之外出现流程步骤走偏的问题，并提出流程感知指标，通过衡量对话层面的流程偏离度，而不是仅比较内容相似度来识别程序性幻觉。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。