SciFact-Open

符号增强提高了神经事实检查器在科学文本上的鲁棒性

研究人员开发了一种名为符号增强的新方法，以提高神经事实检查器的准确性，特别是在处理科学文本方面。这些模型经常在数字和单位方面遇到困难，导致错误会微妙地改变科学主张。新方法解决了规范等价数量（如不同的温度刻度）导致准确性崩溃的特定盲点。通过生成保留标签的增强训练数据，符号增强显著提高了鲁棒性，甚至提高了分布内准确性，且不增加推理成本，即可媲美闭域LLM。