Prueba de alucinaciones de IA

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

1. ¿Por qué la predicción del siguiente token por sí sola no logra verificar una afirmación fáctica en una respuesta generada?
   • Cada modelo está conectado únicamente a sitios web no confiables.
   • Todos los usuarios hacen preguntas gramaticalmente incorrectas.
   • Una continuación plausible no es lo mismo que evidencia de que la afirmación es cierta.
   • Una respuesta fluida prueba automáticamente el hecho.
2. ¿Por qué las alucinaciones son particularmente peligrosas?
   • Siempre están escritos con una gramática deficiente para que los usuarios los ignoren.
   • Sólo aparecen en mensajes de error.
   • Hacen que el modelo se estrelle
   • Se entregan con fluidez y confianza, por lo que es fácil pasar por alto los errores.
3. ¿La generación de recuperación aumentada (RAG) elimina por completo las alucinaciones?
   • Sí, RAG garantiza respuestas objetivas
   • No, los modelos aún pueden contradecir o ignorar el texto recuperado ruidoso o conflictivo.
   • Sí, pero sólo los fines de semana.
   • No, porque RAG nunca proporciona ningún documento.
4. ¿Cuál es un ejemplo genuino de alucinación?
   • El modelo citando un caso judicial que no existe
   • El modelo se niega a responder una pregunta.
   • El modelo que hace una pregunta aclaratoria.
   • El modelo devuelve una respuesta en blanco.
5. Which workflow can help check a generated factual answer?
   • Trust every citation because it looks formal
   • Treat a low sampling temperature as proof of correctness
   • Hide the evidence so the answer is easier to read
   • Retrieve relevant material and verify whether its statements and citations support the claims
6. How should a claim that a new model has eliminated hallucinations be assessed?
   • Accept it solely because the announcement sounds confident
   • Assume one successful example proves every application
   • Use defined tasks, evidence, and measurement conditions rather than assume universal reliability
   • Judge only whether the model produces polished prose
7. A generated answer cites a real page, but the page does not support the associated factual statement. What remains unverified?
   • The support for that particular claim
   • Whether a URL can be opened
   • Whether the model used fluent sentences
   • Whether the citation contains text
8. A supplied document says delivery takes five business days, but its generated summary says two. Which check reveals the error?
   • Counting how many sentences the summary contains
   • Comparing the summary's quantity with the source document
   • Checking only whether the prose sounds confident
   • Assuming summaries may replace any source number