分子事实：LLM事实核查中的去上下文化准则
计算与语言
2025-09-30 v1 人工智能
摘要
大语言模型(LLM)生成的自动事实性核查正变得越来越广泛，用于对抗幻觉。文献中一个主要矛盾在于核查粒度：较大的文本块难以核查，但更原子化的事实如命题可能缺乏上下文来正确解释。在本工作中，我们评估了这些原子事实中上下文作用。我们认为完全原子化的事实不是正确的表示，定义了两种准则用于分子事实：去上下文化，即它们能独立站立的程度，以及最小性，即为实现去上下文化而添加的额外信息最少的程度。我们量化了去上下文化对最小性的影响，然后提出一种基线方法，用于自动生成分子事实，旨在添加恰当的额外信息。我们对比了各种去上下文化方法，发现分子事实在模糊情境下在最小性与事实核查准确率之间取得了平衡。
引用
@article{arxiv.2406.20079,
title = {Molecular Facts: Desiderata for Decontextualization in LLM Fact Verification},
author = {Anisha Gunjal and Greg Durrett},
journal= {arXiv preprint arXiv:2406.20079},
year = {2025}
}