研究人员开发了 DeLIVeR，一个旨在提高大型语言模型自动化事实核查准确性的新框架。该系统将复杂声明分解为有针对性的问题，然后利用这些问题来探索知识图谱以获取证据。该框架采用强化学习方法，特别是组相对策略优化 (GRPO)，来训练规划器 LLM，从而显著提高了真实性识别能力。在 LIAR、FEVER 和 PolitiFact 等数据集上的评估表明，使用 Qwen2.5-7B 的 DeLIVeR 比现有方法取得了高出 15% 的 F1 分数，为识别虚假信息提供了一种更透明、可审计的方法。 AI
影响 通过改进证据检索和推理能力，增强了 LLM 在事实核查和虚假信息检测方面的能力。
排序理由 该集群包含一篇详细介绍 LLM 事实核查新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- FEVER
- Group Relative Policy Optimization
- GRPO
- HippoRAG2
- knowledge graph
- large-language models
- PolitiFact
- Qwen2.5-7B
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
