hallucination

BUMP（不可靠最小对基准）数据集是一个用于评估幻觉检测系统的优质数据集，它通过人工方式在CNN/Daily Mail文章摘要中引入单个错误，创建了889对摘要，每对包含一个参考摘要和一个不可靠的版本。错误分为谓词、实体和情境等七类，并区分为内在错误和外在错误。这个数据集对于诊断AI系统中的特定失败模式提供了更细致的理解。