桥接文本与表格世界进行事实验证：一种轻量级、基于注意力的模型

FEVEROUS 是一个专注于涉及非结构化文本和结构化表格数据的事实验证与抽取任务的基准和研究倡议。在 FEVEROUS 中，现有工作通常依赖大量预处理并利用基于规则的数据转换，这可能导致上下文丢失或误导性编码。本文介绍了一个简单而强大的模型，它消除了模态转换的需要，从而保留了原始证据的上下文。通过利用在多样化文本和表格数据集上预训练的模型，并结合轻量级的基于注意力的机制，我们的方法高效地利用了不同数据类型之间的潜在联系，从而产生全面且可靠的判定预测。该模型的模块化结构巧妙地管理多模态信息，确保原始证据的完整性和真实性不受损害。对比分析表明，我们的方法表现出具有竞争力的性能，与 FEVEROUS 基准上的顶级模型紧密对齐。