PFaithBench：LLM 忠实度成对上下文基准发布

2026年10月7日，arXiv Computation and Language 刊登一手研究《重新思考 LLM 忠实性：成对上下文敏感视角》，提出成对忠实性基准 PFaithBench，用于评估模型在支持性与不支持性上下文下对同一问题在作答与拒答之间切换的能力。评测覆盖 7 个模型家族的 39 个模型，结果显示多数模型偏向作答，忠实性错误主要来自过度作答；增加作答监督数据会加剧过度作答，增加拒答数据则减少幻觉但导致过度拒答。研究方称代码与数据已开源。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。