اعتماد یا عدم اعتماد: بررسی حقایق تقویت‌شده با بازیابی در سخنرانی

علوم کامپیوتر > یادگیری ماشین arXiv:2609.30227v1 (cs) [ارائه شده در ۲۴ سپتامبر ۲۰۲۶] عنوان: اعتماد کن یا اعتماد نکن: بررسی واقعیت مبتنی بر بازیابی در گفتار نویسندگان: دباجیوتو مازومدر، ممتا، ابهیراما سابرامانیام پنامکوری مشاهده PDF | HTML (آزمایشی) چکیده: اطلاعات نادرست آنلاین به‌طور فزاینده‌ای در قالب‌های گفتاری مانند کلیپ‌های خبری، پادکست‌ها، مصاحبه‌ها، سخنرانی‌های سیاسی و ویدئوهای شبکه‌های اجتماعی ظاهر می‌شوند، که نیاز به سیستم‌های بررسی واقعیت ایجاد می‌کند قادر به تأیید مستقیم ادعاهای گفتاری. ما VeriSpeak را معرفی می‌کنیم، بِنچمارکی برای بررسی تأیید واقعیت مبتنی بر گفتار در مدل‌های زبانی صوتی بزرگ (LALMs). VeriSpeak شامل ۳٬۸۷۹ ادعای گفتاری با برچسب‌های متعادل حقیقتی و کاذب در حوزه‌های زمان، جغرافیا و روابط است. این معیار آزمایشی برای بررسی این طراحی شده که آیا توانایی تأیید واقعیت از متن به گفتار منتقل می‌شود و آیا مدل‌های LALM مبتنی بر بازیابی می‌توانند از شواهد متنی برای حمایت یا رد کردن صحیح ادعاهای گفتاری استفاده کنند. آزمایش‌های ما شکاف مدلیتی متن-گفتار را آشکار می‌کند: مدل‌های LALM که ادعاهای نوشتاری را به‌طور قابل اعتمادی تأیید می‌کنند، اغلب در همان ادعاها ناموفق می‌شوند وقتی گفتاری باشند. علاوه بر این، بازیابی به تنهایی سود محدودی ارائه می‌دهد زیرا مدل‌ها اغلب شواهد بازیابی‌شده را با ادعای گفتاری اشتباه می‌گیرند. در مقابل، بازیابی ترکیب‌شده با استدلال صریح، مقایسه ادعا-شواهد را بهبود می‌بخشد و یک مدل LALM تنظیم‌شده با استدلال دقیق ۸۶.۱٪ دقت می‌رسد. VeriSpeak بر این نکته تأکید می‌کند که تشخیص مؤثر اطلاعات نادرست گفتاری نیازمند نه تنها درک گفتار، بلکه استدلال مستند بر مبنای شواهد بازیابی‌شده است. مجموعه داده از طریق Hugging Face در این URL در دسترس عمومی قرار دارد. یادداشت‌ها: موضوعات: یادگیری ماشین (cs.LG); هوش مصنوعی (cs.AI); محاسبات و زبان (cs.CL); صوت (cs.SD) ارجاع به: arXiv:2609.30227 [cs.LG] (یا arXiv:2609.30227v1 [cs.LG] برای این نسخه) https://doi.org/10.48550/arXiv.2609.30227 برای یادگیری بیشتر DOI صادرشده توسط arXiv از طریق DataCite (ثبت در انتظار) تاریخچه ارسال: ارسال از: ابهیراما سابرامانیام پنامکوری [مشاهده ایمیل] [v1] پنج‌شنبه، ۲۴ سپتامبر ۲۰۲۶ ۱۷:۵۰:۴۰ UTC (۶۲۰ کیلوبایت) ابزارهای بیبلیوگرافیک ابزارهای بیبلیوگرافیک و ارجاع‌دهی ناوبر بیبلیوگرافیک (فعال/غیرفعال) — چیست ناوبر؟ مقالات مرتبط (فعال/غیرفعال) — چیست مقالات مرتبط؟ Litmaps (فعال/غیرفعال) — چیست Litmaps؟ scite.ai (فعال/غیرفعال) — چیست استنادهای هوشمند؟ کد، داده، رسانه کد، داده و رسانه مرتبط با این مقاله alphaXiv (فعال/غیرفعال) — چیست alphaXiv؟ لینک‌های کد (فعال/غیرفعال) — CatalyzeX Code Finder for Papers — چیست CatalyzeX؟ DagsHub (فعال/غیرفعال) — چیست DagsHub؟ GotitPub (فعال/غیرفعال) — چیست GotitPub؟ Huggingface (فعال/غیرفعال) — چیست Hugging Face؟ ScienceCast (فعال/غیرفعال) — چیست ScienceCast؟ نمونه‌ها نمونه‌ها Replicate (فعال/غیرفعال) — چیست Replicate؟ Spaces (فعال/غیرفعال) — چیست Hugging Face Spaces؟ فضاها (فعال/غیرفعال) — TXYZ.AI — چیست TXXYZ.AI؟ مقالات مرتبط ابزارهای پیشنهادگر و جستجو پیوند به گل تأثیر گل تأثیر (چیستند؟) پیشنهادگر اصلی (CORE) — فعال/غیرفعال پیشنهادگر IArxiv — فعال/غیرفعال نویسنده | مکان | نهاد | موضوع درباره arXivLabs arXivLabs یک چارچوب است که به همکاران اجازه می‌دهد ویژگی‌های جدید arXiv را مستقیماً در وب‌سایت ما توسعه دهند و به اشتراک بگذارند. هم افراد و هم سازمان‌هایی که با arXivLabs کار می‌کنند، ارزش‌های ما شفافیت، جامعه، عالیت و حریم خصوصی داده‌های کاربران را پذیرفته و پشتیبانی کرده‌اند. arXiv متعهد این ارزش‌هاست و فقط با شرکایی کار می‌کند که پایبند آن‌ها باشند. ایده‌ای برای یک پروژه دارید که به جامعه arXiv ارزش اضافه کند؟ بیشتر درباره arXivLabs بیاموزید. کدام نویسندگان این مقاله حامیان هستند؟ غیرفعال کردن MathJax (چیست؟)