AKCIT-FN at CheckThat! 2025：切换精调小型语言模型和大型语言模型提示进行多语言主张归一化
计算与语言
2025-09-16 v1
摘要
主张归一化是将非正式的社交媒体帖子转换为简洁、自包含陈述的过程，这是自动化 fact-checking 流程中的关键步骤。本文详细介绍了我们对 CLEF-2025 CheckThat! 任务 2 的提交，该任务挑战系统在二十种语言（分为十三种监督（高资源）和七种零样本（无训练数据） track 之间）执行主张归一化。我们的做法利用针对监督语言的精调小型语言模型 (SLM) 以及针对零样本情景的大型语言模型 (LLM) 提示，实现了在二十种语言中占据制高点位置（前三名）。值得注意的是，这包括在八种语言中获得第二名，其中五种是其中七种指定的零样本语言之一，凸显了我们基于 LLM 的零样本策略的有效性。对于葡萄牙语，我们的系统在平均 METEOR 分数达到 0.5290，位列第三。所有实现的作品，包括推理、训练、评估脚本以及提示配置，均在 https://github.com/ju-resplande/checkthat2025_normalization 上公开。
引用
@article{arxiv.2509.11496,
title = {AKCIT-FN at CheckThat! 2025: Switching Fine-Tuned SLMs and LLM Prompting for Multilingual Claim Normalization},
author = {Fabrycio Leite Nakano Almada and Kauan Divino Pouso Mariano and Maykon Adriell Dutra and Victor Emanuel da Silva Monteiro and Juliana Resplande Sant'Anna Gomes and Arlindo Rodrigues Galvão Filho and Anderson da Silva Soares},
journal= {arXiv preprint arXiv:2509.11496},
year = {2025}
}
备注
15 pages, 2 figures