零样本信念：大语言模型的硬问题
计算与语言
2025-02-14 v1
摘要
我们提出两种基于大语言模型（LLM）的方法，用于在FactBank上进行零样本源信与目标信预测：一个统一系统在单次前向传播中识别事件、来源和信念标签，另一种是使用微调DeBERTa标签器进行事件检测的混合方法。我们展示了多个开源、封闭源及推理-based LLM在该任务上均表现困难。通过混合方法，我们在FactBank上取得了新的状态保持结果，并提供详细的错误分析。该方法随后在意大利信念语料库ModaFact上进行测试。
引用
@article{arxiv.2502.08777,
title = {Zero-Shot Belief: A Hard Problem for LLMs},
author = {John Murzaku and Owen Rambow},
journal= {arXiv preprint arXiv:2502.08777},
year = {2025}
}
备注
Submitted to ACL 2025