AI评测新动态：6大模型同台竞技，文心一言以83%非幻觉率成为真正的赢家！
近日，一场针对大语言模型“幻觉”问题的评测引发业界广泛关注。参与评测的6家国内外知名大模型中，既有近期爆火的DeepSeek-R1，也有全球领先的GPT-4o，以及国内豆包、通义千问等强劲选手。然而，评测结果却是国产文心一言大模型以83%的非幻觉率力压其他选手，拿下桂冠。
幻觉问题到底是啥？
其实“幻觉”问题是大语言模型顽疾，它指的是模型在生成文本时出现的事实性错误、逻辑矛盾或内容冗杂等问题。
虽然大语言模型能够模仿人类语言，还能展现出一定的逻辑性和流畅性，但这并不意味着它真正理解了语言背后含义。因为它的本质是通过概率预测机制来回答问题，就像一个经过大量训练的“猜谜高手”，依靠“猜测”来生成内容。
超评助手官网认为，用来训练大模型的数据除了各领域专业知识外，还包括了全网各种资讯，而互联网上信息非常庞杂，普通人都无法准确分别，更别说大模型了，因此难免会出现幻觉问题。
此次测试问题涉及多个领域，包括历史、科技、文化等，全面评估了各模型在避免“幻觉”问题上表现。不过结果却显示，尽管各家大模型在技术上各有千秋，但幻觉问题仍普遍存在。
像最近爆火的DeepSeek-R1非幻觉率约为65%，排在第五；而目前全球领先的GPT-4o则以近80%的准确率位列第二，不敌文心一言的83%。
超评助手官网了解到，这次评测并不能完全代表各型号综合能力，但也揭示了各家大模型在解决“幻觉”问题上的进展与挑战。而文心一言优异表现，不仅是国产大型号算法优化、数据训练和知识图谱构建等方面技术突破，也为国内人工智能领域注入了一剂强心针。
可以期待，随着技术迭代与发展，加之超评助手官网观察到国产的大型模式将在全球舞台上扮演更重要角色。
