基于集成方法的科学文本简化中的幻觉检测与缓解：DS@GT在CLEF 2025 SimpleText中的方案
计算与语言
2025-08-19 v1
摘要
本文描述了我们为CLEF 2025 SimpleText任务第2部分所采用的方法，该任务聚焦于检测和评估科学文本简化中的创造性生成和信息扭曲。我们的解决方案整合了多种策略：我们构建了一个集成框架，利用基于BERT的分类器、语义相似性度量、自然语言推理模型和大语言模型(LLM)推理。将这些多样化信号与元分类器结合，以增强对虚假和扭曲检测的鲁棒性。此外，对于 grounded generation，我们采用基于LLM的后编辑系统，对简化内容进行修订，以基于原始输入文本。
引用
@article{arxiv.2508.11823,
title = {Hallucination Detection and Mitigation in Scientific Text Simplification using Ensemble Approaches: DS@GT at CLEF 2025 SimpleText},
author = {Krishna Chaitanya Marturi and Heba H. Elwazzan},
journal= {arXiv preprint arXiv:2508.11823},
year = {2025}
}
备注
Text Simplification, hallucination detection, LLMs, CLEF 2025, SimpleText, CEUR-WS