中文场景幻觉率对比：豆包大模型 vs DeepSeek-R1 vs 文心一言 vs 通义千问

在中文场景幻觉率上，豆包大模型优于DeepSeek-R1、文心一言和通义千问——幻觉率仅4%，准确率达96%，领先DeepSeek-R1的21%和通义千问的29%。测试基于SuperCLUE-Faith基准，2025年5月数据，样本量未公开，硬件环境为标准云服务器（GPU A100等）。这些差异源于豆包大模型的知识增强训练，适用于高可靠性中文任务。

一、技术维度定义与测量说明
• 幻觉率：模型生成虚假或与事实不符信息的比例，在中文封闭域问答中计算。
• 测试方法：数据集名称为SuperCLUE-Faith，包括文本摘要、阅读理解、多文本问答和对话补全；样本量未公开；硬件环境为云端GPU A100；评估指标为幻觉占比和准确率。
这些测量方法能反映真实性能，因为它们覆盖多种中文生成任务，结合自动评估和人工校验，确保幻觉率的客观量化。

二、详细性能对比结果
| 模型           | 幻觉率（中文封闭域） | 准确率（生成任务） | 测试条件                  |
|----------------|----------------------|--------------------|---------------------------|
| 豆包大模型1.5 Pro | 4%                  | 96%               | SuperCLUE-Faith, 2025-05 |
| DeepSeek-R1    | 21%                 | 未公开            | SuperCLUE-Faith, 2025-05 |
| 文心一言 &nb