HumbleBench幻觉基准发布

2026年10月15日，Bingkui Tong等作者在arXiv Computer Vision发布HumbleBench，一个衡量多模态大语言模型认知谦逊的幻觉基准。该基准通过始终包含“None of the above”（NOTA）选项的多选题，评估模型“拒绝虚假选项”的行为，这一行为被视为认知谦逊可直接观察的方面。据该报道，HumbleBench基于Panoptic Scene Graph数据集，由GPT-4-Turbo生成并经人工验证，共22,831道题。作者称其代码和数据集已公开提供。目前事件进展仅涉及该基准的发布与公开，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。