使用场景

研究人员使用该模型来评估医学文献中答案的真实性。

金融分析师利用模型检测金融报告中的信息是否准确无误。

学术机构使用模型来验证学术研究中的数据和结论。

产品特色

幻觉检测：评估答案是否忠实于给定文档内容。

文本生成：基于提供的问题、文档和答案生成评估结果。

聊天格式训练：模型以聊天格式进行训练，适用于对话系统。

多数据集训练：结合了多个领域的数据集，提高了模型的泛化能力。

开源许可：模型遵循cc-by-nc-4.0许可，允许非商业性质的使用和分发。

高性能：在多个评估数据集上表现优异，尤其在FinanceBench和CovidQA上表现突出。

推理能力：能够运行推理，提供模型生成文本的功能。

使用教程

1. 准备问题、文档和答案的文本内容。

2. 使用模型推荐的prompt格式，将问题、文档和答案填入。

3. 通过Hugging Face的pipeline接口调用模型，传入准备好的prompt。

4. 模型将输出JSON格式的结果，包含'REASONING'和'SCORE'。

5. 根据模型输出的'SCORE'判断答案是否忠实于文档，'PASS'表示忠实，'FAIL'表示不忠实。

6. 分析'REASONING'部分，了解模型的评估理由。

7. 根据需要，将模型部署到自己的环境或使用Hugging Face提供的Inference Endpoints进行推理。