CCNU 在 SemEval-2025 Task 3 中的方案：利用大语言模型内部和外部知识进行多语言幻觉标注
计算与语言
2025-05-20 v1
摘要
我们介绍由中部中国师范大学 (CCNU) 团队为 Mu-SHROOM shared task 开发的系统，后者聚焦于跨 14 种语言识别问答系统中的幻觉。我们的方案利用具有不同专长的多个大语言模型 (LLM) 并行标注幻觉，有效地模拟了众包标注过程。此外，每个基于 LLM 的标注者在标注过程中整合了与输入相关的内部和外部知识。使用开源大语言模型 DeepSeek-V3，我们的系统在印地语数据中获得第一名 ( \#1 )，并在另外七种语言中进入前五名。本文还讨论了我们在开发过程中探索的不成功方法，并分享了参与该共享任务所获得的关键见解。
关键词
引用
@article{arxiv.2505.11965,
title = {CCNU at SemEval-2025 Task 3: Leveraging Internal and External Knowledge of Large Language Models for Multilingual Hallucination Annotation},
author = {Xu Liu and Guanyi Chen},
journal= {arXiv preprint arXiv:2505.11965},
year = {2025}
}
备注
SemEval-2025 Task 3