Symbolic Augmentation Closes a Canonical-Equivalence Blind Spot in Neural Fact-Checkers
符号增强弥补神经事实核查器中规范等价盲点
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
AI总结 研究大语言模型总结科学文本时数字和单位幻觉问题，提出将错误检测重定义为类型验证，引入分类法和基准。用符号增强训练框架，提升规范等价鲁棒性，提高准确率，还明确了符号特征及银标签在特定情况下的作用，确定训练时增强是关键集成点。
Comments 18 pages, 3 figures, 6 tables
