RU22Fact：面向俄乌冲突多语言可解释事实核查的证据优化
计算与语言
2024-03-27 v2
摘要
事实核查是指通过审查可用证据来验证给定声明事实性的任务。高质量证据在增强事实核查系统以及促进生成人类可理解的解释方面发挥着至关重要的作用。然而，为可解释事实核查系统提供充分且相关的证据是一项挑战。为了应对这一挑战，我们提出了一种基于大型语言模型（LLM）的方法，用于从网络上自动检索和总结证据。此外，我们构建了 RU22Fact，这是一个关于 2022 年俄乌冲突的新型多语言可解释事实核查数据集，包含 16K 个样本，每个样本均包含真实世界的声明、优化后的证据以及参考解释。为了建立该数据集的基线，我们还开发了一个端到端的可解释事实核查系统，用于验证声明并生成解释。实验结果表明，优化后的证据在提升事实核查性能方面具有前景，同时也表明在端到端声明验证和解释生成任务中存在进一步发展的可能。
引用
@article{arxiv.2403.16662,
title = {RU22Fact: Optimizing Evidence for Multilingual Explainable Fact-Checking on Russia-Ukraine Conflict},
author = {Yirong Zeng and Xiao Ding and Yi Zhao and Xiangyu Li and Jie Zhang and Chao Yao and Ting Liu and Bing Qin},
journal= {arXiv preprint arXiv:2403.16662},
year = {2024}
}
备注
12 pages, 3 figures, accepted by lrec-coling2024