“数据另有说法”：数据主张的自动化事实核查

对数据主张进行事实核查需要检索和分析数据证据，手动完成可能变得繁琐且耗时。本工作介绍了Aletheia，一个旨在促进数据主张验证和数据证据沟通的自动化事实核查原型。在验证方面，我们利用预训练的大型语言模型（LLM）来解析语义以进行证据检索。为了有效沟通数据证据，我们设计了两种表示形式：数据表格和可视化，以适应不同的数据类型。此外，我们设计了交互方式，展示了该技术的实际应用。我们使用一个包含400条数据主张的精选数据集评估了两个核心自然语言处理（NLP）任务的性能，并通过一个20名参与者的用户研究，比较了两种表示形式在评估时间、信心和偏好方面的差异。该评估为使用LLM进行数据事实核查任务的可行性和瓶颈、使用可视化相对于数据表格的潜在优缺点，以及呈现数据证据的设计建议提供了见解。