由 Bespoke Labs 开发的最先进的事实核查模型。

7b

9,360 7 周前

自述文件

这是一个由 Bespoke Labs 开发的基于文本的事实核查模型。

该模型以文档(文本)和句子作为输入,并确定句子是否得到文档的支持。为了对多句断言进行事实核查,应首先将断言分解为句子。除非文档超过 32K 个 token,否则无需对文档进行分块。

bespoke-minicheck-howitworks.png

Bespoke-MiniCheck 虽然体积小,但却是 SOTA 事实核查模型。

用法

提示模板如下

Document: {document}
Claim: {claim}

响应将是 YesNo

示例

提示

Document: A group of students gather in the school library to study for their upcoming final exams.
Claim: The students are preparing for an examination.

响应

Yes

提示

Document: A group of students gather in the school library to study for their upcoming final exams.
Claim: The students are on vacation.

响应

No

模型性能

performance.png

这些模型的性能是在我们新收集的基准测试(在训练期间我们的模型没有见过)上评估的,LLM-AggreFact,来自 11 个最近的人工标注数据集,这些数据集涉及事实核查和对 LLM 生成的内容进行 grounding。Bespoke-MiniCheck-7B 虽然体积小,但却是 SOTA 事实核查模型。

参考资料

网站

论文

LLM-AggreFact 排行榜