ATLANTIS at SemEval-2025 Task 3: 检测问答系统中幻觉文本片段
计算与语言
2025-08-08 v1
摘要
本文介绍了 ATLANTIS 团队为 SemEval-2025 任务 3 所作的贡献，聚焦于检测问答系统中的幻觉文本片段。大型语言模型（LLM）在自然语言生成（NLG）方面取得了显著进展，但仍然容易产生幻觉，即生成错误或误导性内容。为此，我们探索了带和不使用外部上下文的方法，利用少量样本提示（few-shot prompting）进行 LLM 推理，或采用基于合成数据的 LLM 微调后的 token 级分类。值得注意的是，我们的方法在西班牙语中取得了最高排名，在英语和德语中获得了具竞争力的排名。本工作凸显了整合相关上下文以缓解幻觉的重要性，并展示了微调模型和提示工程的潜在价值。
引用
@article{arxiv.2508.05179,
title = {ATLANTIS at SemEval-2025 Task 3: Detecting Hallucinated Text Spans in Question Answering},
author = {Catherine Kobus and François Lancelot and Marion-Cécile Martin and Nawal Ould Amer},
journal= {arXiv preprint arXiv:2508.05179},
year = {2025}
}