超越真假：检索增强的细微主张层次化分析

个人或实体所提出的主张往往是细致入微的，不能简单地标记为完全“真”或“假”——这在科学和政治主张中是常见情况。然而，一个主张（例如，“疫苗A比疫苗B更好”）可以被分解成其组成方面和子方面（例如，功效、安全性、分发），这些方面更容易单独验证。这使得我们能够提供更全面、结构化的响应，对给定问题提供全面的视角，同时还允许读者优先考虑主张中感兴趣的特定角度（例如，对儿童的安全性）。因此，我们提出了 ClaimSpect，一个基于检索增强生成（RAG）的框架，用于自动构建一个在处理主张时通常会考虑的方面层次结构，并用语料库特有的视角来丰富它们。这个结构对输入语料库进行分层分区，以检索相关片段，这些片段有助于发现新的子方面。此外，这些片段还能够发现针对主张某个方面的不同观点（例如，支持、中立或反对）及其各自的流行程度（例如，“有多少生物医学论文认为疫苗A比B更易于运输？”）。我们将 ClaimSpect 应用于我们构建的数据集中各种现实世界的科学和政治主张，展示了它在解构细致入微的主张和表示语料库中观点方面的鲁棒性和准确性。通过现实世界案例研究和人工评估，我们验证了它相对于多个基线的有效性。