fact-checking | BriefGPT - AI 论文速递

关键词fact-checking

搜索结果 - 128

CheckThat! 2024 中的事实查找者：通过数据修剪改善 LLMs 的适用于检查的陈述检测
应用八个突出的开源语言模型（LLMs）通过精调和提示工程来从政治转录中识别值得检查的陈述，并通过两步数据修剪方法自动识别高质量训练数据实例，能够在 CheckThat！2024 的英语语言数据集方面展示有效学习和竞争性性能。
PDF6 days ago
评估机器生成事实核查解释的透明度
通过使用大型语言模型，我们研究了人工筛选与机器选择证据对解释生成的影响，发现大型语言模型使用机器选择的证据生成的解释质量相似或更高，表明精心策划（通过人工）的证据可能不是必需的。但即使使用最佳模型，生成的解释有时也不忠实于来源，因此在事实核
PDF14 days ago
FactGenius：结合零 - shot 提示和模糊关系挖掘提高知识图谱事实验证
FactGenius 是一种结合零 - shot 大语言模型和模糊文本匹配的创新方法，通过使用来自维基百科的结构化链接数据集 DBpedia，利用相似性度量来提高大语言模型生成的连接的准确性，经过 FactKG 基准数据集的评估验证其在事实
PDFa month ago
ExU：检测多语言虚假信息叙事并理解其传播
ExU 项目研究在线虚假信息，跨语言分析叙述以帮助事实核查人员和记者筛选大量数据。项目侧重于开发基于人工智能的多语言虚假信息分析模型，解决谣言立场分类和索取索赔的任务。我们描述了 ExU 项目提案，并总结了有关支持事实核查工具设计的用户要求
PDFa month ago
基于自我指导的事实验证：解释性和泛化性挖掘
本研究提出了一种基于自我指导的微调方法，通过数据增强和改进的 DPO 微调，实现了在保持准确性的同时，生成流畅的解释文本，并展示出高泛化性能。
PDFa month ago
SynDy: 用于虚假信息任务的合成动态数据集生成框架
SynDy 是一种利用最先进的大型语言模型，通过合成动态数据集的方法，为舆情封控提供了重要工具，用于针对声称匹配、专题聚类和声称关系分类等任务生成细粒度的合成标签，以便进行大规模人工事实核查。
PDFa month ago
ViWikiFC: 基于越南维基百科的文本知识事实核查源
通过构建 ViWikiFC，我们首次为越南维基百科建立了一个手动注释的开放领域语料库，其中收录了超过 20K 个索证句，经由从维基百科文章提取的证据句生成。我们分析了我们的语料库的各个语言方面，包括新的依赖率、新的 n-gram 率和新的词
PDF2 months ago
SIGIRFactCheck Editor: 多语言文本编辑器具备端到端事实核查功能
FactCheck Editor 是一种先进的文本编辑器，旨在自动化事实核查和纠正事实错误。它支持超过 90 种语言，利用 Transformer 模型来协助人类进行劳动密集型的事实验证过程。该演示展示了一个完整的工作流程，检测需要验证的文
PDF2 months ago
ACLRAGAR: RAG 增强的政治事实检验的虚假识别雷达，基于多模态大语言模型的推理
通过将大型语言模型（LLMs）与基于检索增强生成（RAG）的先进推理技术相结合，本研究提出了两种创新方法（CoRAG 和 ToRAG），以增强多模态事实检验的可靠性和效率。通过分析文本和图像的多模态 LLMs，该研究推动了自动化系统在辨别和
PDF2 months ago
MiniCheck：基于文本证明的 LLM 高效事实核查
通过构建合成训练数据，我们展示了如何构建具有 GPT-4 水平性能但成本降低 400 倍的小型模型，通过检查声明中的每个事实并识别跨句子的信息合成来进行验证，并发布了 LLM-AggreFact 数据集和模型。
PDF3 months ago
ACL新闻媒体来源的可靠性估计：物以类聚
本研究以信息验证为主题，介绍了一种基于强化学习策略的新闻来源可靠性估计方法，通过模拟各新闻媒体来源在网络上的交互来估计可靠性程度，并验证了其有效性。
PDF3 months ago
COLINGRU22Fact：俄乌冲突国际化可解释事实核查的证据优化
基于大型语言模型，从网络中自动检索和总结证据，以解决可解释的事实检查系统中提供足够和相关证据的挑战，并通过 RU22Fact 构建一个新颖的多语言可解释的事实检查数据集，基于该数据集开发出了一个端到端的可解释的事实检查系统，实验结果表明优化
PDF3 months ago
利用大型语言模型纠正社交媒体的错误信息
通过提供准确可信的解释和参考资料，以及纠正多模态信息，MUSE 扩展了大型语言模型的能力，表明了使用 LLMs 有效和高效地应对现实世界的错误信息的潜力。
PDF3 months ago
ClaimVer: 文本的可解释的声明级验证和证据归属通过知识图谱
介绍了一个人本中心的框架 ClaimVer，通过生成丰富的注释来满足用户的信息和验证需求，减少认知负荷，清晰地验证每个声明，提供清晰简明的解释，增强了广泛应用于各种下游任务的适用性。
PDF4 months ago
通过令牌级别不确定性量化对大型语言模型的事实核查
基于模型输出的不确定性量化的事实检查和幻觉检测方法在语言模型的传记生成任务中取得了强大的改进，与基于外部知识的事实检查工具具有竞争力。
PDF4 months ago
支持现实世界事实核查的多模态大型语言模型
对多模态大型语言模型在事实检查方面的能力和局限性进行了系统评估，发现 GPT-4V 在识别恶意和误导性多模态论断方面表现出优越性能，具备解释不合理方面和潜在动机的能力，同时已有的开源模型存在强烈的偏见，并对提示非常敏感。这项研究为对抗虚假多
PDF4 months ago
GenAudit：使用证据修复语言模型输出中的事实错误
LLMs 生成错误陈述时会产生错误，我们提出了 GenAudit，这是一个旨在辅助检查 LLM 响应的工具，通过修改或删除不被参考文献支持的主张，提供参考文献中支持的事实的证据，并设计一个交互界面将建议的修改和证据呈现给用户。
PDF4 months ago
MM纠结：平衡惩罚和补偿，基于重复困境博弈的事实检查中的最大赔偿问题分析，绕过和最小成本路径，虚假新闻与弱华莱士定律案例
针对假新闻的传播和有效事实核查问题，本研究借助 Metzler 函数和 Metzler 矩阵对新闻提供者之间信息传播动态进行建模，设计了一种策略来最小化有害的假新闻传播，同时最大化可信信息的传播。通过惩罚性支配问题和最大补偿问题，重新评估新
PDF4 months ago
通过多智能体辩论实现忠实可解释的事实核查
我们的研究调查了大型语言模型生成解释的能力，发现零样本提示通常导致不忠实的结果。为了解决这些挑战，我们提出了多代理辩论修正（MADR）框架，利用多个具有不同角色的大型语言模型作为代理，在迭代的修饰过程中提高了生成解释的忠实性。MADR 确保
PDF5 months ago
FACT-GPT: 通过与 LLMs 进行索引匹配的事实检查增强
我们提出了 FACT-GPT 这个系统，利用大型语言模型 (LLMs) 自动化事实核查中的索引匹配阶段。FACT-GPT 经训练后，可以识别与先前被揭穿的声明相符、相悖或无关的社交媒体内容。我们的评估结果表明，我们专门训练的 LLMs 在识
PDF5 months ago