使用场景

研究人员使用该模型来评估医学文献中答案的准确性。

开发者将模型集成到问答系统中，提供基于文档的准确回答。

企业使用模型检测金融报告中的信息一致性。

产品特色

幻觉检测：评估答案是否忠实于给定文档。

文本生成：基于用户输入的问题和文档生成答案。

聊天格式训练：模型以聊天格式进行训练，适合对话式应用。

多数据集训练：包括CovidQA、PubmedQA、DROP、RAGTruth等。

长序列处理：支持最大128000个token的序列长度。

开源许可：遵循cc-by-nc-4.0许可，可自由使用和修改。

高性能：在多个基准测试中表现优异，如HaluEval、RAGTruth等。

使用教程

1. 准备问题、文档和答案的输入数据。

2. 使用模型推荐的prompt格式组织输入数据。

3. 调用Hugging Face的pipeline接口，传入模型名称和配置参数。

4. 将准备好的数据作为用户消息传递给pipeline。

5. 获取模型输出，包括'PASS'或'FAIL'的评分和推理。

6. 分析模型输出，根据评分和推理判断答案是否忠实于文档。

7. 根据需要调整模型参数，优化性能。