تowards التحقق من الحقائق القائمة على LLM على ادعاءات الأخبار باستخدام طريقة توجيه خطوة بخطوة هيراركية

على الرغم من القدرات اللافتة التي أظهرتها النماذج اللغوية الكبيرة المُدرّبة مسبقًا (LLMs) في مهام متعددة في معالجة اللغة الطبيعية (NLP)، إلا أنها ما زالت غير مُستكشفة بشكل كافٍ في مجال المعلومات المضللة. في هذا البحث، نُجري دراسة لاستخدام نماذج LLMs مع التعلم السياقي (ICL) في التحقق من صحة المطالبات الإخبارية، ونجد أن أداء عدة طرق توجيهية (prompting) يمكن أن يصبح مُقارِنًا بأداء النماذج المُدرّبة بأسلوب مُراقب سابقًا، حتى مع استخدام أمثلة توضيحية فقط بحجم 4 أمثلة. ولتعزيز الأداء بشكل أكبر، نقدّم طريقة توجيه هيراركية خطوة بخطوة (HiSS) التي توجه النماذج اللغوية الكبيرة إلى تقسيم المطالبة إلى عدة مطالبات فرعية، ثم التحقق من كل واحدة منها عبر خطوات متعددة للإجابة على الأسئلة بشكل تدريجي. أظهرت نتائج التجارب على مجموعتي بيانات علنيتين للمعلومات المضللة أن طريقة HiSS للتحفيز تفوق الأداء المُحرز من قبل أفضل النماذج المُدرّبة بالكامل بأسلوب مُراقب، وكذلك النماذج القوية التي تعتمد على التعلم السياقي بعينات قليلة (few-shot).