CheckThat! 2024 中的 IAI 团队：Transformer 模型和数据增强用于可核查论断检测
计算与语言
2024-08-05 v1
摘要
本文描述了 IAI 团队在 2024 年 CheckThat! 实验室“任务 1：可核查性估计”中的参与情况。该任务涉及自动检测英语、荷兰语和阿拉伯语政治辩论和 Twitter 数据中的可核查论断。我们利用各种预训练的生成式解码器和编码器 Transformer 模型，采用方法包括少样本链路思考推理、微调、数据增强和跨语言迁移学习。尽管性能有所波动，我们的模型在组织者排行榜上取得了显著成绩：英语第九名、荷兰语第三名以及阿拉伯语第一名，利用多语言数据集增强了可核查性检测的通用性。尽管在无标签测试数据集上的性能相对于开发测试数据集有显著下降，但我们的发现为 claim 检测研究的持续努力作出了贡献，突显了语言特定适应性在 claim 验证系统中的挑战与潜力。
引用
@article{arxiv.2408.01118,
title = {IAI Group at CheckThat! 2024: Transformer Models and Data Augmentation for Checkworthy Claim Detection},
author = {Peter Røysland Aarnes and Vinay Setty and Petra Galuščáková},
journal= {arXiv preprint arXiv:2408.01118},
year = {2024}
}
备注
Accepted to CLEF2024 CheckThat!