SUCEA：通过主张分解和编辑进行针对性事实核查的推理密集型检索
计算与语言
2025-06-06 v1 人工智能
摘要
自动事实核查最近因作为对抗 misinformation 的手段而受到更多关注。尽管取得了显著进展，但基于检索增强的语言模型事实核查系统仍然难以应对人类刻意设计的挑战性主张。为此，我们提出一种无需训练的方法，通过改写原始主张来使其更容易查找支持证据。我们的模块化框架 SUCEA 将任务分解为三个步骤：1) 主张分段和去语境化 (Claim Segmentation and Decontextualization)，将对抗主张分割为独立子主张；2) 迭代证据检索和主张编辑 (Iterative Evidence Retrieval and Claim Editing)，迭代检索证据并根据检索到的证据编辑子主张；3) 证据聚合和标签预测 (Evidence Aggregation and Label Prediction)，聚合所有检索到的证据并预测包含关系标签。在两个具有挑战性的事实核查数据集上的实验表明，我们的框架在检索和包含关系标签准确率方面显著提高，超过四个强大的主张分解基线方法。
引用
@article{arxiv.2506.04583,
title = {SUCEA: Reasoning-Intensive Retrieval for Adversarial Fact-checking through Claim Decomposition and Editing},
author = {Hongjun Liu and Yilun Zhao and Arman Cohan and Chen Zhao},
journal= {arXiv preprint arXiv:2506.04583},
year = {2025}
}
备注
16 pages, 10 figures, 7 tables