长文本事实核查不准？ElementCheck用句子元素图提效，5大模型稳定提升！
ElementCheck: Complexity-Aware Long-Form Text Factuality Evaluation via Sentence Elements
📖 AI 总结
该论文提出了一种名为ElementCheck的复杂度感知框架，用于改进长文本事实性评估。现有方法依赖“分解-检索-验证”流程，但受限于声明分解噪声和固定验证粒度，结果可靠性不足。ElementCheck不再将句子统一分解为原子子声明，而是提取句子中通过可验证连接明确关联的实体对作为元素，并构建元素图。图拓扑结构提供句子复杂度的结构信号，使简单句子可直接验证，复杂句子则进行针对性的元素级细化验证。研究构建了新基准FastFact-Sent，将FastFact-Bench中的孤立声明映射回源句。实验表明，在FastFact-Sent和两个领域特定基准上，ElementCheck在五种骨干模型上持续提升事实性验证效果，同时保持较好的准确率-成本平衡。进一步分析显示，复杂度感知验证减少了不必要的重复验证，并在不同骨干模型间保持稳定性。
🔑 关键词速览
| ElementCheck | 一种复杂度感知的长文本事实性验证框架，通过句子元素和元素图进行验证。 |
| decompose-retrieve-verify pipeline | 一种常见的事实性评估流程，先分解声明，再检索证据，最后验证。 |
| element graph | 由句子中实体对及其连接关系构成的图结构，用于估计句子复杂度。 |
| FastFact-Sent | 新构建的细粒度事实性评估基准，将FastFact-Bench的声明映射回源句子。 |
| complexity-aware verification | 根据句子复杂度调整验证策略的方法，简单句子直接验证，复杂句子进行元素级细化。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅