HalluHard 评测：Sonnet 5 与 Fable 5 幻觉率无重大突破
maksym_andr · x · 2026-07-06
HalluHard 幻觉基准最新数据显示，Sonnet 5 幻觉率为 50.9%，Fable 5 为 59.7%，两者在无网络搜索时表现均优于开启搜索时。对比 GLM-5.2 的 74.8%，Claude 系列整体领先，但研究者指出并无重大突破。
作者批评当前 AI 社区过度聚焦 Agent 能力，而忽视了对几乎所有真实用户都至关重要的幻觉问题，呼吁行业重新审视优先级。
「模型」频道最新
- repligate:上下文塞满噪声对 LLM 是实打实的「困难」 — repligate · 2026-10-27
- 悖论:最值得信任的 LLM 反而不肯干最出格的事 — AaronBergman18 · 2026-10-27
- 模型越可信越不敢输密码?研究者谈安全护栏的连带效应 — AaronBergman18 · 2026-10-27
- Claude 拒绝输入验证码被指安全障碍:一次性密码没法交给密码管理器 — AaronBergman18 · 2026-10-27
- repligate:LLM 上下文塞满噪声时确实会变『难』,休息的价值或可用信息论解释 — repligate · 2026-10-27
- 3 张二手 V100 跑 Qwen 近 400 tokens/秒 — jfinkpottery · 2026-10-27