人工智能快速发展，大型语言模型（LLMs）幻觉问题（Hallucination）一直是企业采用AI技术时的顾虑。Google DeepMind最新FACTS Grounding基准测试，为评估AI系统事实准确度提供新衡量标准。
重点测试LLM幻觉问题
Google DeepMind团队近期推出“FACTS Grounding”全新评估标准，旨在解决大型语言模型（LLM）长期幻觉问题，特别评估复杂任务和高度详细回应的准确性。
最新FACTS排行榜显示，Gemini 2.0 Flash以83.6%准确度居榜首。其他表现优异的模型有Google Gemini 1.0 Flash、Gemini 1.5 Pro，Anthropic Clade 3.5 Sonnet和Claude 3.5 Haiku，以及OpenAI多款GPT模型，准确度均超过61.7%。
企业选择AI解决方案时，往往需考虑AI应用可信度，现在通过FACTS Grounding，就有更客观标准。准确性指标量化，有助企业不同AI服务间做出更明智的选择。
此外高准确度AI系统可更多关键业务范畴发挥作用，如财务分析、法律文件审查、医疗记录处理等。这些范畴对资讯准确性的要求极高，客观AI评估就能为改善业务流程提供新方向。
如何平衡AI风险管理和效率
企业规划AI应用时往往不离风险管理，因此应根据业务需求设置准确性门槛。不同应用场景对准确性要求不同，企业需在效率和准确性间找到平衡点。如客服对话可能允许较低准确率，但合约分析需更高准确性保证。
也能通过创建AI输出验证机制来限制风险。这次FACTS Grounding采多个AI模型交叉验证，关键决策更可考虑采用多重验证机制，降低单一AI系统失误风险。同时持续监控和更新，让AI模型性能随时间变化，使用定期评估机制，确保AI系统持续满足业务需求。
未来AI准确度将成为重点基准
AI技术越进步，准确度越会成为商用化的重要基准，类似FACTS Grounding等基准测试结果可当重要参考，但企业也需据实际应用场景针对性测试。加强AI治理框架建设也成为趋势，AI应用范围扩大，企业需制定明确AI使用指南，特别是在处理敏感资讯时准确性要求和验证流程。
这次FACTS Grounding基准测试推出，代表AI技术向更高准确性迈进的重要一步。对企业而言，不仅有选择AI解决方案的新标准，更提醒我们拥抱AI创新时，需创建完善评估和管理机制。AI技术快速演进的时代，企业领导者需在创新和风险控制间找到平衡，为企业可持续发展奠定坚实基础。
（首图来源：shutterstock）
