UWBa 在 SemEval-2025 Task 7：多语言和跨语言事实核查索取
计算与语言
2025-08-14 v1
摘要
本文提出了一个零样本事实核查索取系统。我们使用了几种最先进的大语言模型获取文本嵌入。随后将这些模型组合以获得最佳结果。我们的方案在单语言子任务中获得第 7 名，在跨语言子任务中获得第 9 名。我们仅使用英文翻译作为文本嵌入模型的输入，因为多语言模型未取得满意的结果。我们通过利用嵌入和余弦相似度度量来识别每篇帖子最相关的主张。总体而言，NVIDIA NV-Embed-v2 模型获得了最佳结果。对于某些语言，我们从模型组合（NV-Embed 与 GPT 或 Mistral）中受益。
引用
@article{arxiv.2508.09517,
title = {UWBa at SemEval-2025 Task 7: Multilingual and Crosslingual Fact-Checked Claim Retrieval},
author = {Ladislav Lenc and Daniel Cífka and Jiří Martínek and Jakub Šmíd and Pavel Král},
journal= {arXiv preprint arXiv:2508.09517},
year = {2025}
}
备注
Published in Proceedings of the 19th International Workshop on Semantic Evaluation (SemEval-2025). Official version: https://aclanthology.org/2025.semeval-1.31/