基于 LLM 的科学主张验证中支持与反驳证据检索
人工智能
2025-03-12 v1
摘要
在本文中，我们提出了 CIBER（Claim Investigation Based on Evidence Retrieval，基于证据检索的主张调查），它是检索增强生成（RAG）框架的扩展，旨在识别支持与反驳文档作为科学主张验证的证据。CIBER 通过评估在不同探询探针下的响应一致性，来解决大型语言模型（LLM）固有的不确定性。由于侧重于对 LLM 的行为分析而无需访问其内部信息，CIBER 适用于白盒与黑盒模型。此外，CIBER 以无监督方式运行，能够轻松泛化至各种科学领域。使用具有不同语言能力水平的 LLM 进行的综合评估表明，与传统 RAG 方法相比，CIBER 具有更优的性能。这些发现不仅突出了 CIBER 的有效性，也为未来基于 LLM 的科学主张验证的发展提供了有价值的见解。
引用
@article{arxiv.2503.07937,
title = {LLM-based Corroborating and Refuting Evidence Retrieval for Scientific Claim Verification},
author = {Siyuan Wang and James R. Foulds and Md Osman Gani and Shimei Pan},
journal= {arXiv preprint arXiv:2503.07937},
year = {2025}
}