Bespoke Labs 开发的先进的事实核查模型。

7b

22.7K 5 个月前

自述文件

这是一个由 Bespoke Labs 开发的基于证据的事实核查模型。

该模型将文档(文本)和句子作为输入,并确定该句子是否得到文档的支持。 为了事实核查多句声明,应首先将该声明分解为句子。 除非文档超过 32K 个 token,否则不需要对其进行分块。

bespoke-minicheck-howitworks.png

尽管体积小,但 Bespoke-MiniCheck 是 SOTA 事实核查模型。

用法

提示模板如下

Document: {document}
Claim: {claim}

响应将为 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

这些模型的性能在我们新收集的基准(训练期间未被我们的模型看到)LLM-AggreFact 上进行评估,该基准来自 11 个最近的人工注释数据集,用于事实核查和 LLM 生成的基础。 尽管体积小,但 Bespoke-MiniCheck-7B 是 SOTA 事实核查模型。

参考文献

网站

论文

LLM-AggreFact 排行榜