DialFork 基准：36278 段对话检测对话型 Agent 的程序性幻觉
DialFork · hf · 2026-10-27
IDIAP 等机构发布 DialFork 基准，用于检测对话型 Agent 的「程序性幻觉」（procedural hallucination）——不止事实错误，还包括流程步骤走偏。
- 规模：36,278 段对话、24 个任务、12 个领域、3 类评测任务
- 核心创新：flow-aware（流程感知）指标，通过测量对话层面的流程偏离度而非内容相似度来判定幻觉
- 开源地址：github.com/idiap/dialfork
「研究」频道最新
- Seth Lazar 联合创办 OSPhaIC：牛津 AI 与计算哲学研究平台启动 — sethlazar · 2026-10-27
- Goodfire SAE 复现全记录公开:方案哈希、偏差与评分全部可查 — kevrussell · 2026-10-27
- 预注册复现验证 Goodfire SAE 特征转向:盲测 100/100 全中 — kevrussell · 2026-10-27
- 复现 Goodfire 可解释性声明:SAE 特征 7446 确能让生成图像张嘴 — kevrussell · 2026-10-27
- 扩散语言模型消融：采样器影响 25 分，噪声只 0.8 分 — LucaAmb · 2026-10-27
- 开源 RP 模型 Flint 经 GRPO 去味后写作分 4.92 升至 6.90 — Mysterious_Hearing14 · 2026-10-27