“幻觉率”（Hallucination Rate） 是衡量大语言模型（LLM）生成内容中包含错误、无中生有或与事实/上下文不符信息的频率指标。 在 RAG（检索增强生成） 场景下，幻觉率的定义比通用场景更为严格。RAG 的核心目的是让模型基于检索到的参考文档（Context）回答问题，因此，RAG 中的幻觉主要指模型生成的答案没有遵循检索到的上下文，或者捏造了上下文中不存在的信息。 以下是关于幻觉率的详细定义以及在 RAG 场景下具体的量化方法： --- 一、 RAG 场景下的“幻觉”分类 在量化之前，必须明确 RAG 中的幻觉主要分为两类： 1. 忠实度幻觉（Unfaithfulness / Grounding Failure）： 定义： 模型生成的答案与检索到的上下文（Context）不一致，或者答案中的信息在上下文中找不到依据。 例子： 文档说“产品A的价格是100元”，模型回答“产品A的价格是200元”。 这是 RAG 评估的核心： 即使模型利用其内部训练数据回答正确了（例如常识），但如果该信息不在检索到的文档中，通常也被视为 RAG 系统的“幻觉”（因为它没有由检索内容...
播面