生成用于核查复杂声明的字面与隐含子问题
计算与语言
2022-11-02 v3
摘要
核查复杂的政治声明是一项具有挑战性的任务，尤其当政客使用各种策略巧妙地歪曲事实时。自动事实核查系统在此表现不佳，且其诸如“半真”的预测孤立来看并无太大用处，因为我们无从知晓声明的哪些部分为真、哪些不为真。在本文中，我们专注于将复杂声明分解为一组全面的是非子问题，其答案会影响声明的真实性。我们提出 ClaimDecomp，一个包含超过 1000 条声明分解的数据集。给定事实核查者撰写的声明及其核查段落，我们受训的标注者写出覆盖原始声明显式命题及其隐含层面的子问题，例如询问改变我们对声明真实性看法的额外政治背景。我们研究了最先进模型能否生成此类子问题，表明这些模型能生成合理的待问问题，但仅从原始声明无证据地预测全面子问题集合仍具挑战性。我们进一步表明，这些子问题有助于识别相关证据以核查完整声明并通过其答案推导真实性，说明它们可作为事实核查流程中有用的组成部分。
引用
@article{arxiv.2205.06938,
title = {Generating Literal and Implied Subquestions to Fact-check Complex Claims},
author = {Jifan Chen and Aniruddh Sriram and Eunsol Choi and Greg Durrett},
journal= {arXiv preprint arXiv:2205.06938},
year = {2022}
}