基于提示调谐的大模型事实查证价值估计应用与优化
计算与语言
2025-04-28 v1 人工智能
摘要
针对全球化和信息化背景下日益增长的虚假信息问题，本文提出一种基于提示调谋的事实查证价值估计分类方法。我们在方法论层面构建了事实查证价值估计模型，采用提示调谋技术。通过将设计好的提示模板应用于大型语言模型，我们建立了基于原语学习的能力，并利用提示调谋技术提高确定主张是否具有事实查证价值的准确度，尤其是在处理有限或无标签数据时。通过在公共数据集上的大量实验，我们证明了本文提出的方法在事实查证价值估计评估分类任务中超越或相当于多个基线方法，包括经典预训练模型如BERT，以及近期流行的大型模型如GPT-3.5和GPT-4。实验表明，本文提出的提示调谋方法在F1分数和准确率等评估指标上表现出一定优势，有效验证了其在事实查证价值估计任务中的有效性和进步。
引用
@article{arxiv.2504.18104,
title = {Application and Optimization of Large Models Based on Prompt Tuning for Fact-Check-Worthiness Estimation},
author = {Yinglong Yu and Hao Shen and Zhengyi Lyu and Qi He},
journal= {arXiv preprint arXiv:2504.18104},
year = {2025}
}