HaluCheck：面向多维幻觉检测的大规模双语基准

研究提出 HaluCheck，一个超 4.2 万条实例的中英双语基准，用于系统评估生成后幻觉检测，覆盖文本事实性幻觉与 Agent 轨迹忠实性幻觉，并提供检测、定位与纠正的细粒度多级标注。对 14 个 LLM 的实验表明，模型具备基本样本级检测能力，但在细粒度定位、纠正和 Agent 幻觉检测上表现不足；思维链、联网搜索与监督微调各有部分改善，但均未彻底解决问题。

AI推荐理由 构建超 4.2 万条中英双语幻觉检测基准 HaluCheck，同时覆盖文本事实性幻觉与 Agent 轨迹忠实性幻觉，并提供检测、定位、纠正的多级细粒度标注；对 14 个模型的实验显示样本级检测尚可，但细粒度定位、纠正与 Agent 幻觉检测仍薄弱，思考、联网搜索与 SFT 仅部分改善。信息密度较高；局限是摘要未给出具体指标数值。