幻觉检测器对比测试：结果出乎意料

我们开发了一款工具，用于检查AI改写文本与原始文档的一致性。在将其作为主要功能推出前，我们进行了对比测试：使用四份原始文档，在改写版本中植入特定问题，分别用我们的工具、通用聊天机器人和免费专用检测工具进行测试。结果显示，与专用工具相比，双方各有一次漏检，且都能正确识别出看似可疑但实际准确的表述。与聊天机器人相比，当原文使用模糊措辞（如“可能”、“建议”）而改写为肯定语气时，聊天机器人五次未能识别，仅能捕捉明显的置信度跳跃。完整测试结果已发布在博客上，包括我们工具被免费工具超越的地方。