幻觉检测

现有MLLM幻觉检测多为粗粒度二元判断，缺乏对错误类型的细粒度分析与解释。HalluScope提出统一诊断框架，结合跨度检测、类型分类与解释生成。通过构建HalluScope-30K数据集与多粒度联合奖励训练，该方法在MHALO等基准上表现优异，并证明诊断反馈能显著提升模型准确性。需注意其数据生成依赖闭源模型。