ZeFaV：提升大语言模型的零-shot事实核查能力
原文中文，约500字，阅读约需2分钟。发表于：。本文提出了ZeFaV，一种基于零-shot的事实核查验证框架，旨在提升大语言模型在事实核查任务上的表现。该框架利用大语言模型的上下文学习能力提取断言中实体之间的关系，并将证据中的信息重新组织为逻辑关系形式，与原始证据结合，以生成事实核查模型所需的上下文。通过在HoVer和FEVEROUS两个多跳事实核查数据集上的实证实验，我们的研究取得了与其他先进事实验证方法相媲美的成果。
本文提出了ZeFaV，一个零-shot事实核查框架，旨在提升大语言模型在事实核查任务中的表现。该框架通过提取实体关系和重组证据信息，在HoVer和FEVEROUS数据集上取得了良好效果。
