“AGI”团队在SHROOM-CAP：基于XLM-RoBERTa的数据中心方法用于多语言幻觉检测

检测由大语言模型生成的多语言科学文本中的幻觉，对于可靠的人工智能系统具有重要挑战。本文描述了我们为SHROOM-CAP 2025共享任务提交的方案，旨在跨9种语言进行科学幻觉检测。不同于大多数主要关注模型架构的做法，我们采用数据中心策略，解决训练数据稀缺和不平衡的关键问题。我们统一并平衡了五个现有数据集，创建了包含124,821个样本（50%正确，50%幻觉）的全面训练语料库，规模是原始SHROOM训练数据的172倍。我们对XLM-RoBERTa-Large进行微调，该模型拥有5.6亿参数，在增强后的数据集上训练，实现了所有语言中具竞争力的性能，包括在Gujarati（零样本语言）中以Factuality F1为0.5107的名列第2名，在其余8种语言中获得4至6名的排名。我们的结果表明，系统性的数据精选显著优于仅靠架构创新，特别是在零样本设置下的低资源语言中效果尤为明显。