UNH at CheckThat! 2025：主张抽取中的微调与提示对比
计算与语言
2025-09-09 v1 人工智能
信息检索
摘要
我们参加了 CheckThat! 任务 2 的英语赛道，并探索了各种提示和上下文学习方法，包括少样本提示和不同 LLM 家族的微调，目标是从社交媒体文本中抽取值得核查的主张。我们通过微调 FLAN-T5 模型获得了最佳 METEOR 分数。然而，我们观察到，有时使用其他方法可以抽取更高质量的主张，即使其 METEOR 分数较低。
引用
@article{arxiv.2509.06883,
title = {UNH at CheckThat! 2025: Fine-tuning Vs Prompting in Claim Extraction},
author = {Joe Wilder and Nikhil Kadapala and Benji Xu and Mohammed Alsaadi and Aiden Parsons and Mitchell Rogers and Palash Agarwal and Adam Hassick and Laura Dietz},
journal= {arXiv preprint arXiv:2509.06883},
year = {2025}
}
备注
16 pages,3 tables, CLEF 2025 Working Notes, 9-12 September 2025, Madrid, Spain