ZeFaV：提升大型语言模型进行零样本事实验证能力
计算与语言
2024-11-19 v1 人工智能
摘要
本文提出了 ZeFaV - 一个基于零样本的事实检查验证框架，通过利用大型语言模型的 in-context learning 能力从实体中提取关系，将证据信息重新组织成关系逻辑形式，并将上述信息与原始证据结合生成可供事实检查模型对输入声明提供裁决的上下文。我们在包括 HoVer 和 FEVEROUS 在内的两个多跳事实检查数据集上进行了实验，实现了潜在的结果 comparable to other state-of-the-art fact verification task methods。
关键词
引用
@article{arxiv.2411.11247,
title = {ZeFaV: Boosting Large Language Models for Zero-shot Fact Verification},
author = {Son T. Luu and Hiep Nguyen and Trung Vo and Le-Minh Nguyen},
journal= {arXiv preprint arXiv:2411.11247},
year = {2024}
}
备注
This pre-print has been published in PRICAI 2024: Trends in Artificial Intelligence. The published version is available at https://doi.org/10.1007/978-981-96-0119-6_28