最近发表在arXiv上的一项研究重新审视了LLM裁判如何评估多智能体系统中的幻觉问题。研究发现,这些裁判可能会错误地将队友错误报告标记为幻觉。这项基于固定计划的修订分析重新评分了先前研究的输出,并发现考虑断言事实时,幻觉率的影响微乎其微。然而,在判断提及内容时,幻觉得分显著增加。 AI
影响 突出了LLM评估指标中潜在的缺陷,影响了多智能体系统的可靠性评估方式。
排序理由 该集群包含一篇发表在arXiv上的研究论文,详细介绍了LLM行为的发现。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →