全部研究
Findings of EMNLP 2025 · 已发表

E-Verify: A Paradigm Shift to Scalable Embedding-based Factuality Verification

把事实分解、表示学习与交互校验连接起来,减少反复处理证据的成本。

E-Verify

校验为什么会变慢

一篇回答往往包含许多可检查的说法。若每条说法都与每段证据重新进行复杂推理,文本越长、证据越多,校验成本就越高。E-Verify 研究的是已有相关证据时,怎样更高效地完成这一步。

从文本推理到表示交互

方法采用“分解—嵌入—交互”流程:将内容拆为细粒度事实,编码为适合事实校验的表示,再在嵌入空间中完成交互与判断。重点并非直接把语义相似度当作真伪,而是让表示与交互服务于事实支持关系。

论文图 1:分解、嵌入与交互校验
论文图 1:分解、嵌入与交互校验 · 原始出处

论文展示了什么

论文分别针对分解效率、事实表示和嵌入空间校验设计模块。实验显示,这种流程在保持有竞争力准确性的同时提升了分解和验证效率,为长文本和大规模检查提供了一条可扩展路径。

怎样理解验证边界

这项工作不负责保证输入证据本身可靠,也不等于自动完成开放网络上的事实调查。部署时需要另外管理来源、证据检索与结果复核,让每个判断都能追溯到支持它的材料。

论文与资源

E-Verify: A Paradigm Shift to Scalable Embedding-based Factuality Verification

本文为研究介绍;完整方法、实验设置与结果请参阅原论文。