HHEM-2.1幻觉评估模型 03-25更新的榜单
gemini 2.5 pro才1.1%
deepseek好家伙。。。太离谱了
23 个赞
ds本来幻觉就高
4 个赞
moe的坏处吗这是
3 个赞
所以ds用起来感觉就是大错没有，小错不断
9 个赞
原本v3的3%多幻觉和r1的14%多混合一下，得到了现在8%的新v3，数学就是这么回事吧 
26 个赞
这个榜单能给个链接吗
1 个赞
3 个赞
Gemini一直都低
Gemini万岁
3 个赞
我似乎又看见了一堆人要拿幻觉这个到处刷了 
1 个赞
应该是，参数量越小幻觉越多
1 个赞
感觉deepseek几个新模型幻觉率都挺高的
1 个赞
证明没出轨
2 个赞
我之前也对这个数据很迷惑，说一个自己的猜想。
gemini无论是chat还是deep-research回答都非常简短，相对应deepseek的v3和R1回答都长的多。
这里假设如果幻觉值会随着输出的变长而增加，例子，一个问题的答案，gemini说了A是什么，然后deepseek说因为什么什么，A做了什么什么，然后什么什么。单纯从挑错的可能性来看，越短需要验证的逻辑越少。
1 个赞
不对呀，现在gemini的回复长度可长了。
3 个赞
谷歌真的NB
1 个赞
只要开源，幻觉就幻觉吧
2 个赞
比r1进步很多了，r1好像幻觉都有25呢
2 个赞
好家伙，这么高
2 个赞
怪不得，论坛里看到有些佬说新ds会有很多小错误，忘记补全符号，缩进啥的小问题，好像就跟幻觉有关吧。还有就是新v3的语气很像r1非常活泼，当时就觉得幻觉率不低
2 个赞