本研究提出了欺骗性幽默数据集（DHD），旨在探讨虚假主张中的幽默，揭示幽默与欺骗之间的关系，推动欺骗性幽默检测模型的发展。

本研究探讨了“语言作为固定效应谬误”对GPT-4等大型语言模型的影响。研究强调将语言视为随机效应的重要性，并警告不要基于有限的测试集对模型能力做出广泛概括。研究人员应设计更健壮的研究，以更准确地评估模型的真实潜力。

本文介绍了一种新的认领审核数据集，包含10,987个带证据的主张，证据来源于维基百科。研究提出了ClaimVer框架和ExClaim系统，旨在提高事实核查的准确性和可解释性。通过自动化流水线和主题感知模型，改善了证据检索和验证性能，并为事实检查员提供清晰的解释，以帮助甄别真假索赔。

本文介绍了一种新方法，结合大型语言模型（LLM）和不确定性感知模块，为生成答案提供置信度评分。研究表明，通过高效微调，LLM在多个基准数据集上超越了现有算法，并提出了一种基于扰动的不确定性估计方法，量化答案的置信度。这一方法在提高模型的准确性和可解释性方面具有重要意义。

本文介绍了一种新方法FActScore，用于评估生成文本的真实性。该方法通过将文本分解为原子事实，并计算可靠来源支持的事实比例来进行评估。同时，研究提出了LongDocFACTScore框架，能够有效评估长文档的事实一致性，且在与人工测量对比中表现优于现有标准。此外，研究还指出大型语言模型在生成文本时存在的事实准确性问题，并提出D-FActScore以改善评估效果。

我们提出了一种用于事实检查的文档级索取索赔的方法，旨在从文档中提取值得检查的要求，并将它们解除背景以便在任何环境下理解。使用自动评估指标和事实检查专业人员的评估结果表明，我们的方法比以前的工作更准确地从文档中提取出有价值的索赔，并改善了证据的检索。

本文综述自动摘要事实一致性评估研究，涵盖TreatFact临床数据集、FactPICO医学基准、InFusE推理评估、DeFacto信息反馈、GO FIGURE框架、ClozE填空模型及大模型评估方法，指出开源模型仍落后，现有指标与专家判断相关性差，临床摘要不一致性难以捕捉。

本文综述科学主张验证研究，涵盖SciFact、SciFact-Open等数据集及RerrFact等模型，利用信息检索、证据提取和神经语义匹配，从研究文献或网页中验证主张真伪，并探讨开放域、结构化数据及COVID-19等应用。

该文汇总多项研究：利用向量语义差异提升少样本分类，通过知识蒸馏改善低资源语言嵌入，SFAVEL无需标注提高验证准确率，神经语义匹配优化检索与NLI，大模型自验证提升临床信息提取，MAPLE预测移动应用，CLASP利用合成数据改进低资源语义解析。

本文综述多语言自动事实核查研究，介绍MultiClaim等多语言数据集及跨语言错误信息传播规律；比较微调模型与大型语言模型在主张检测中的表现，发现微调模型跨域更优；探讨零样本跨语言迁移、跨语言检索及多模态事实核查框架，强调证据作用，并呼吁加强全球事实核查信息共享与本地化验证。

该文综述了利用自动化证明与解释生成提升事实核查和模型可解释性的多项研究，涵盖基于主张抽取改进摘要、多任务模型联合优化判断与证明、ExClaim自然语言解释系统、端到端多模态事实核查数据集Mocheg、一阶逻辑引导的FOLK推理、自训练与掩码标签正则化、断言增强少样本提示、教师-学生框架及ZARA零样本生成理由等方法，旨在提高准确性、解释忠实度与低资源场景表现。

本文介绍了一种使用预训练语言模型进行全零样本学习的方法，通过单向和双向PLMs生成和训练数据，并使用提示引导的类别条件文本。该方法在GLUE数据集的七个分类任务中表现出色，相对于零样本提示方法和少样本方法，取得了强有力的结果。同时，采用了标签平滑和时间模型的融合技术以提高泛化和稳定性。

连续谬误是一种非正式谬误，指拒绝一个主张因为它处于两个极端之间的连续体上。了解连续谬误可以帮助人们更好地理解两个主题之间的差异，并做出更明智的决定。