TUM-MiKaNi在SemEval-2025任务3：面向多语言和知识驱动的非事实性幻觉识别
计算与语言
2025-07-02 v1 人工智能
摘要
幻觉是大语言模型(LLM)的一个重大问题，阻碍其可信度并限制其在更广泛应用场景的部署。然而，大多数关于幻觉的研究聚焦于英文数据，忽视了LLM的多语言本质。本文描述了我们对SemEval-2025任务3——Mu-SHROOM（多语言幻觉及相关可观察超生成错误共享任务）的提交方案。我们提出了两个部分组成的管道，结合基于维基百科的检索式事实验证与基于BERT的系统微调，以识别常见的幻觉模式。我们的系统在所有语言上均取得具竞争力的成绩，在八个语言中进入前十名，包括英文。此外，它支持超出共享任务覆盖的十四种语言的多语言支持。这种多语言幻觉识别器有助于改进LLM的输出并提升其未来实用性。
引用
@article{arxiv.2507.00579,
title = {TUM-MiKaNi at SemEval-2025 Task 3: Towards Multilingual and Knowledge-Aware Non-factual Hallucination Identification},
author = {Miriam Anschütz and Ekaterina Gikalo and Niklas Herbster and Georg Groh},
journal= {arXiv preprint arXiv:2507.00579},
year = {2025}
}
备注
6 pages, 3 figures, SemEval-2025 Task 3, ACL