发布DialFork基准评估对话代理程序性幻觉

发生了什么

据arXiv cs.LG报道，研究者发布了DialFork基准，用于评估对话代理中的程序性幻觉。该基准包含36,278个跨12个领域的对话，并提出了FlowScore等指标来衡量对话流程偏离程度，而非仅关注内容事实。