腾讯发布FinLLM-Eval：大模型金融场景幻觉专业评测方案
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
腾讯正式开源 finLLM-Eval——一套面向大模型在金融领域应用的幻觉专项评估框架。该项目首次提出无需依赖人工标注 GroundTruth 的金融数据真实性评测范式，突破性地解决了金融场景下缺乏权威评判基准的行业难题，为AI技术在强监管、高容错门槛的金融业务中稳健落地提供了关键基础设施支撑。
本次发布的开源版本涵盖以下核心能力：
- 逻辑一致性与事实准确性评估模块：提供完整可运行工程代码、内置示例评测数据集，并支持用户灵活扩展自有测试样本；系统自动输出详尽评估结果，包括综合得分、错误类型分布图、千字幻觉发生率等多维量化指标。
- 端到端金融数据准确性比对模块：技术实现方案
核心功能亮点
聚焦大模型生成内容质量评估
- 事实准确性评估：精准识别模型输出中是否存在虚构信息、事实混淆或时空错位等问题，确保内容与真实金融市场状况严格对齐。
- 逻辑一致性评估：深度检验模型推理链条是否契合金融基本原理、市场运行规律及主流投资方法论，有效拦截违背常识或理论矛盾的结论。
覆盖大模型全流程应用效果评估
- 零标注金融数据真实性验证：基于真实投资者提问语料，自动解析“标的×时间×指标”三元结构化事实，调用内部金融知识库完成全自动校验，彻底摆脱人工攥写标准答案的瓶颈。
AgentAsJudger 智能评测机制
- 全流程无人值守：由AI Agent自主完成事实抽取、逻辑路径还原，并与RAG检索结果或权威金融数据库进行交叉比对，实测准确率超96%。
后续，项目将持续演进 finLLM-Eval，规划新增非金融类指标验证能力、错误归因分析模块等功能。
想获取项目源码，请访问其开源仓库。
热门专题
热门推荐
4月3日消息，今日，OPPO官微宣布，OPPO Find X9s Pro将首发新一代1nit明眸护眼屏，宣称全场景都护眼。据悉，这块屏幕来自新一代天马天工屏，搭载全新U9 Pro发光基材，从材料、器
Word行距异常增大可按五步解决：一、重置段前段后间距为0并设单倍行距；二、改用固定值行距（如小四号设18磅）；三、清除样式继承并修复Normal模板；四、禁用自动格式更正干扰项；
汽车4月3日消息，4月3日，“年轻人第一台GT”比亚迪2026款海豹06GT新车交付仪式在深圳举行，作为海洋网又一搭载第二代刀片电池和最新闪充技术的重磅车型，上市售价12 89万元-16 99万元，
汽车4月3日消息，广汽埃安宣布将于 4 月 16 日举办品牌焕新发布会，埃安 N60 汽车将同步开启预售。目前新车已开启盲订，支付 99 元定金可享价值 5088 元礼遇。该车由曾任职于宝马等品牌的
4月5日消息，一起教育科技(NASDAQ: YQ)日前发布截至2025年12月31日的财报。财报显示，一起教育科技2025年营收为1 06亿（约1520万美元），较上年同期的1 89亿元下降44%。