百川智能推出Baichuan-M3 Plus医疗大模型，专为高可靠性医疗场景设计。该模型将“六源循证范式”融入训练与推理全流程，确保诊断建议、用药提示等均基于权威医学证据。其事实性幻觉率降至2.6%，相比GPT-5.2降低超30%，显著提升医疗AI的临床可信度。
谷歌与Kaggle联合推出FACTS基准套件，旨在标准化评估AI模型的事实准确性。该基准针对法律、金融、医疗等对准确性要求高的行业，将“事实性”分为“上下文事实性”和“世界知识事实性”两个场景进行综合评估，填补了当前AI评估体系的空白。
谷歌FACTS团队与Kaggle联合发布FACTS基准测试套件，旨在评估生成式AI模型在企业任务中的事实性和真实性。该框架弥补了现有基准只关注问题解决能力、忽略输出信息与真实世界数据一致性的缺陷，尤其针对图像或图表中的信息嵌入，对法律、金融等关键领域尤为重要。
百度在WAVE SUMMIT大会上发布文心大模型X1.1，该模型在事实性、指令遵循和智能体表现方面显著提升。个人用户可通过文心一言官网和文小言APP体验，企业客户可通过百度智能云千帆平台使用。
用于评估大型语言模型事实性的最新基准
衡量语言模型回答事实性问题能力的基准测试
Aloe是一款专为医疗领域设计的高性能语言模型，提供先进的文本生成和对话能力。
Xai
$21
Input tokens/M
$105
Output tokens/M
128
Context Length
Baidu
$1
$4
64
Openai
$84
Clemylia
LAM-1是lamina系列中的首个完整版本的小型语言模型，由Clemylia开发。该模型专注于创造性内容生成，经过优化能够生成富有想象力、诗意和叙事性的回答，而非事实性信息。
Tesity-T5是由Clemylia开发的编码器-解码器类型语言模型，专注于带上下文的问答任务。该模型能够根据提供的文本上下文，精准提炼并合成答案，具有事实性和综合性的回答能力。
Sami92
基于XLM-R Large微调的文本分类模型，专门用于识别德语文本中的事实性声明和非事实性声明。模型采用弱监督学习方式，先在GPT-4o标注的Telegram数据集上训练，后在手动标注数据集上继续训练，在测试集上达到0.9的准确率。
Babelscape
基于T5架构的模型，专门用于从摘要文本中提取原子声明，是摘要事实性评估流程的关键组件。
Karko
Proctora是基于混合专家架构(MoE)的模型，结合了角色扮演和事实性回答的专家模块，支持32K上下文长度，在AI-RPG评估中表现优异。
stanford-oval
WikiChat是一个基于LLaMA-2 (7B)微调的大语言模型，通过在维基百科上进行少量样本锚定来阻止聊天机器人产生幻觉，显著提高了对话的准确性和事实性。
eibakke
一个在完整Natural Questions(NQ)数据集上训练的开放领域问答模型，能够回答各种事实性问题
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
