ClaimIQ at CheckThat! 2025：比较提示式与微调语言模型用于验证数值论断
计算与语言
2025-09-16 v1 人工智能
摘要
本文介绍了我们为CLEF 2025 CheckThat!实验室第3任务所设计的系统，该任务聚焦于使用检索证据来验证数值和时间论断。我们探索了两种互补方法：使用经过指令微调的大型语言模型（LLM）进行零样本提示，以及使用参数高效LoRA进行监督式微调。为提高证据质量，我们研究了几种选择策略，包括完整文档输入和使用BM25和MiniLM进行top-k句子过滤。我们最好的模型LLaMA经LoRA微调后在英文验证集上取得了强大的性能。然而，测试集上出现了显著的性能下降，凸显了泛化挑战。这些发现凸显了证据细粒度和模型适应性对于稳健的数值事实验证的重要性。
关键词
引用
@article{arxiv.2509.11492,
title = {ClaimIQ at CheckThat! 2025: Comparing Prompted and Fine-Tuned Language Models for Verifying Numerical Claims},
author = {Anirban Saha Anik and Md Fahimul Kabir Chowdhury and Andrew Wyckoff and Sagnik Ray Choudhury},
journal= {arXiv preprint arXiv:2509.11492},
year = {2025}
}
备注
Notebook for the CheckThat! Lab at CLEF 2025