Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2510.12839

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:2510.12839 (cs)
[提交于 2025年10月13日 ]

标题: FaStFACT:在大语言模型中更快、更强大的长格式事实性评估

标题: FaStFACT: Faster, Stronger Long-Form Factuality Evaluations in LLMs

Authors:Yingjia Wan, Haochen Tan, Xiao Zhu, Xinyu Zhou, Zhiwei Li, Qingsong Lv, Changxuan Sun, Jiaqi Zeng, Yi Xu, Jianqiao Lu, Yinhong Liu, Zhijiang Guo
摘要: 评估大型语言模型(LLMs)的长文本生成的真实性仍然具有挑战性,这是由于准确性问题和高昂的人工评估成本。以往的努力尝试通过将文本分解为声明,搜索证据并验证声明来实现这一点,但存在关键缺点:(1) 由于复杂的管道组件不适合长LLM输出,导致效率低下;(2) 由于声明集不准确和单行片段证据收集不足,导致效果不佳。为解决这些限制,我们提出了\name ,这是一个快速且强大的评估框架,在现有基线中实现了与人工评估最高的对齐度和效率。\name 首先采用基于置信度的逐块声明提取和预验证,显著降低了网络搜索和推理调用的成本,同时确保了可靠性。在搜索和验证方面,它从爬取的网页中收集文档级证据,并在验证期间选择性地检索,解决了之前管道中的证据不足问题。基于聚合和手动标注基准的大量实验证明了\name 在高效和有效地评估长文本LLM生成的真实性方面的可靠性。代码和基准数据可在 https://github.com/Yingjia-Wan/FastFact 获取。
摘要: Evaluating the factuality of long-form generations from Large Language Models (LLMs) remains challenging due to accuracy issues and costly human assessment. Prior efforts attempt this by decomposing text into claims, searching for evidence, and verifying claims, but suffer from critical drawbacks: (1) inefficiency due to complex pipeline components unsuitable for long LLM outputs, and (2) ineffectiveness stemming from inaccurate claim sets and insufficient evidence collection of one-line snippets. To address these limitations, we propose \name, a fast and strong evaluation framework that achieves the highest alignment with human evaluation and efficiency among existing baselines. \name first employs chunk-level claim extraction integrated with confidence-based pre-verification, significantly reducing the cost of web searching and inference calling while ensuring reliability. For searching and verification, it collects document-level evidence from crawled webpages and selectively retrieves it during verification, addressing the evidence insufficiency problem in previous pipelines. Extensive experiments based on an aggregated and manually annotated benchmark demonstrate the reliability of \name in both efficiently and effectively evaluating the factuality of long-form LLM generations. Code and benchmark data is available at https://github.com/Yingjia-Wan/FastFact.
评论: EMNLP 2025(成果)
主题: 计算与语言 (cs.CL) ; 人工智能 (cs.AI); 计算工程、金融与科学 (cs.CE); 计算机与社会 (cs.CY)
引用方式: arXiv:2510.12839 [cs.CL]
  (或者 arXiv:2510.12839v1 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.2510.12839
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yingjia Wan [查看电子邮件]
[v1] 星期一, 2025 年 10 月 13 日 19:00:15 UTC (2,309 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
cs.CL
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-10
切换浏览方式为:
cs
cs.AI
cs.CE
cs.CY

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号