论文介绍了一种新的认领审核数据集，其中包括来自搜索引擎查询的实例，共包含 10,987 个带有证据的主张，证据来自完整的维基百科文章，注释具有章节和句子级别的细粒度，通过总体评估，作者发现使用证据提取来总结最终用户的理由时，预测主张真实性的准确性并没有明显差异，此数据集还存在挑战性问题，作者在转移学习实验中进行了证明

Apr, 2021

介绍了 CLIMATE-FEVER 数据集，旨在促进和鼓励改进为气候特定声明检索证据支持的算法，应对语言理解挑战，并帮助减轻虚假信息对气候变化的影响。

Dec, 2020

本文介绍了一个新的数据集 AVeriTeC，包含 4,568 个来自 50 个不同机构的真实事实核查内容，每个内容都包含了来自在线可用资源的支持性证据和文本理由，以及多轮注释过程中的评审结果，提供了一个基于多个问题回答步骤的基线和模型评估，旨在弥补目前自动事实核查数据集的缺陷。

May, 2023

通过使用 TNFD 指南，我们提供了数据集和分类器，以检测企业对自然界的沟通。我们专注于水、森林和生物多样性等特定方面，建立了每个方面的专家标注数据集，并训练了分类器模型。同时，我们发现自然界的沟通在热点地区和农业、公共事业等受影响行业中更为常见。这是首次针对大规模评估企业自然界沟通做出的回应。

Dec, 2023

这篇论文研究了分析师报告和盈利电话对金融市场回报的影响，考虑到它们作为上市公司的重要季度事件。通过构建一个新的金融数据集，我们对财务领域的索赔检测任务进行了全面的分析，并在该数据集上进行了各种语言模型的基准测试，提出了一种新颖的弱监督模型，将专业主题专家的知识纳入到聚合函数中，优于现有方法。此外，我们通过构建一个新的 `` 乐观度 '' 指标展示了我们提出模型的实际实用性，并观察到盈利意外和回报与我们的乐观度指标之间的关联。我们的数据集、模型和代码将在 GitHub 和 Hugging Face 上以 CC BY 4.0 许可证公开提供。

Feb, 2024

Anthropogenic ecological crisis has prompted the NLP community to address the lack of research on environmental topics, leading to the creation of the EcoVerse dataset and the development of an annotation scheme and BERT-based models for analyzing environmental impacts.

Apr, 2024

本研究提供了最大的公共数据集，用于自动声明验证，从 26 个英文事实检查网站中收集，标记了真实性，并使用人工专家记者，结果显示自动排名证据页面和预测真实性的新方法胜过所有基线。

Sep, 2019

本文介绍了一个新的跨语言、跨国的深度学习模型，用于检测社交媒体平台上的虚假信息，包括图像和文本特征分析，详述了该模型使用的 MM-Claims 数据集，通过多模态模型的训练得出了一系列的结论和推荐。

May, 2022

在数字时代，从互联网上获取健康相关的建议已成为一种常见做法。然而，评估在线医学声明的可靠性并找到相应的证据变得越来越具有挑战性。本文介绍了一种新颖的、由医学专家标记为真实性的并提供来自临床研究的证据支持的 750 个健康相关声明的数据集。我们分析了该数据集的特征和挑战，并提供了基于不同方法的基准模型，研究了它们的性能并讨论了相关发现，以帮助推进这一任务的自动化。该数据集可用于与自动事实核查相关的机器学习任务，例如证据检索、真实性预测和解释生成。

Sep, 2023

提出了 WiCE 文本蕴涵数据集，该数据集围绕在文本中验证声明，建立在维基百科的现实声明和证据基础之上，并通过 GPT-3 将假设分解成子句单元，每个单元都与源文档中的证据句子的一个子集标记。通过这个数据集，我们展示了真实声明涉及具有挑战性的验证问题，并对这个数据集上现有方法进行了基准测试。此外，我们表明，通过 GPT-3 分解声明可以在各个领域上提高蕴含模型的性能。

Mar, 2023