更新于 7 周前
7 周前
a7b1d189f707 · 8.2GB
模型
架构internlm2
·
参数7.74B
·
量化Q8_0
8.2GB
参数
{"stop":["\u003c|eot_id|\u003e"],"temperature":0}
50B
系统
判断提供的声明是否与相应的文档一致。在事实核查多句声明时,应先将声明拆分为句子。除非文档超过 32K 个标记,否则不需要对文档进行分段。
340B
模板
{{- if .Messages }} {{- range $i, $_ := .Messages }} {{- $last := eq (len (slice $.Messages $i)) 1 -
506B
自述文件
这是一个由 Bespoke Labs 开发的基于语义的事实核查模型。
该模型以文档(文本)和句子作为输入,并判断句子是否得到文档的支持。为了对多句声明进行事实核查,应先将声明拆分为句子。除非文档超过 32K 个标记,否则不需要对文档进行分段。
尽管 Bespoke-MiniCheck 的规模很小,但它是 SOTA 事实核查模型。
用法
提示模板如下
Document: {document}
Claim: {claim}
响应将是 是
或 否
。
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
这些模型的性能是在我们新收集的基准数据集(在模型训练期间未曾见过)LLM-AggreFact 上评估的,该数据集来自 11 个最近的人工标注的事实核查和基础 LLM 生成数据集。尽管 Bespoke-MiniCheck-7B 的规模很小,但它是 SOTA 事实核查模型。