AILS-NTUA 在 SemEval-2024 任务6：用于幻觉检测与分析的高效模型调优

在本文中，我们介绍了团队在 SemEval-2024 任务6（SHROOM，关于幻觉及相关可观察过度生成错误的共享任务）中的提交成果。参与者被要求执行二分类任务，以识别流畅的过度生成幻觉案例。我们的实验包括微调一个预训练模型用于幻觉检测，以及一个自然语言推理（NLI）模型。最成功的策略是创建这些模型的集成，在模型无关和模型感知数据集上分别达到了77.8%和79.9%的准确率，超过了组织者的基线，并且与竞赛中最佳结果（分别报告了84.7%和81.3%的准确率）相比取得了显著成果。