#幻觉评测

一篇把 ChatGPT、Gemini、DeepSeek V3 等 10 个模型拉到同一起跑线测幻觉的论文，结论很反直觉：答得全的不一定准，Falcon 零幻觉但漏掉大半答案。

做自动驾驶3D感知评测的可以看看，这个基准专抓LiDAR模型靠选项套路蒙对题的毛病，代码和数据都开源了。