Claim Verification in the Age of Large Language Models: A Survey

本文是LLM系列文章，针对《Claim Verification in the Age of Large Language Models: A Survey》的翻译。

摘要

互联网上可用的大量且不断增加的数据，加上手动索赔和事实验证的繁重任务，激发了人们对开发自动索赔验证系统的兴趣。1 已经提出了几种深度学习和基于变压器的模型多年来这个任务。随着大型语言模型 (LLM) 的引入及其在多个 NLP 任务中的卓越性能，我们看到基于 LLM 的声明验证方法激​​增，以及检索增强生成 (RAG) 等新颖方法的使用。在本次调查中，我们全面介绍了最近使用法学硕士的索赔验证框架。我们详细描述了这些框架中使用的声明验证管道的不同组件，包括常见的检索、提示和微调方法。最后，我们描述了为此任务创建的公开英语数据集。

引言

搜索标准

声明验证流水线

LLM方法

评估和基准

开放挑战

结论

我们提出了一项关于LLM声明验证方法的调查。据我们所知，这是第一个专门针对LLM方法的声明验证调查，从而填补了文献中的一个重要空白。我们描述了典型声明验证流程的每个子任务，并讨论了该任务中使用的各种基于 LLM 的方法。最后，我们还描述了公开的英语数据集，为该主题的新手和经验丰富的研究人员提供了重要信息。
LLM发展的进步可能会继