集合一致性验证任务：基于集合一致性能量网络的引入
机器学习
2026-01-23 v2 人工智能
计算与语言
摘要
检查多个声明（如句子集合或问答对）之间的逻辑不一致性，是机器学习中的关键挑战，尤其对于确保模型的安全性和可靠性至关重要。传统方法依赖成对比较，往往无法捕捉仅在对多个声明进行整体评估时才显现的不一致性。为此，我们引入集合一致性验证任务，这是自然语言推理（NLI）的一个扩展，评估整个声明集合的逻辑连贯性，而非孤立的成对比较。基于此任务，我们提出了集合一致性能量网络（Set-Consistency Energy Network, SC-Energy），一种新型模型，采用对比损失框架来学习声明集合之间的兼容性。我们的ethods不仅高效地验证不一致性并定位导致逻辑矛盾的具体声明，而且显著优于包括基于提示的大语言模型在内的现有方法。此外，我们发布了两个新数据集：Set-LConVQA 和 Set-SNLI，用于集合一致性验证任务。
引用
@article{arxiv.2503.10695,
title = {Introducing Verification Task of Set Consistency with Set-Consistency Energy Networks},
author = {Mooho Song and Hyeryung Son and Jay-Yoon Lee},
journal= {arXiv preprint arXiv:2503.10695},
year = {2026}
}