GPTs 在 Factify 2022 上的表现：提示辅助的事实核查
计算与语言
2022-07-01 v1
摘要
最紧迫的社会问题之一是打击虚假新闻。虚假声明虽难以揭露，却造成了大量损害。为解决该问题，事实核查变得至关重要，因而成为不同研究团体关注的话题。我们仅利用文本形式的数据提出了解决方案，并取得了与其他方法具有竞争力的结果。我们提出了基于两种方法的方案——基于 PLM（预训练语言模型）的方法和基于提示的方法。基于 PLM 的方法使用传统的监督学习，模型被训练为以 'x' 为输入并输出预测 'y'，即 P(y|x)。而基于提示的学习体现了设计输入以适配模型的思想，使得原始目标可被重构为（掩码）语言建模问题。我们还可通过采用额外提示来微调 PLM，从而激发 PLM 提供的丰富知识以更好地服务下游任务。我们的实验表明，所提方法优于仅微调 PLM。我们在 FACTIFY 数据集上取得了 0.6946 的 F1 分数，并在竞赛排行榜上位列第 7。
引用
@article{arxiv.2206.14913,
title = {GPTs at Factify 2022: Prompt Aided Fact-Verification},
author = {Pawan Kumar Sahu and Saksham Aggarwal and Taneesh Gupta and Gyanendra Das},
journal= {arXiv preprint arXiv:2206.14913},
year = {2022}
}
备注
Accepted in AAAI'22: First Workshop on Multimodal Fact-Checking and Hate Speech Detection, Februrary 22 - March 1, 2022,Vancouver, BC, Canada