CliniFact

大语言模型在科学声明验证方面优于自然语言推理模型，融合会降低性能

一项新研究探讨了将自然语言推理（NLI）模型与大语言模型（LLMs）结合用于科学声明验证的有效性。研究人员发现，尽管像Qwen3 8B和Llama 3.1 8B这样的大语言模型在SciFact和CliniFact等基准测试中表现出有希望的结果，但一种要求NLI和LLM模型之间达成一致的提议融合方法实际上降低了性能。该研究分析了错误模式，表明NLI模型错误地推翻了LLM的正确预测，导致了性能下降。