迈向鲁棒的大语言模型数值主张核查

研究表明通过在数值扰动样本上进行对抗微调，可有效缓解大语言模型在数值主张核查中的脆弱性。采用参数高效微调的小型 Qwen3 模型（0.6B–8B）在标签翻转扰动中达到 98.7% 准确率，超越 GPT-5.4 Pro（74.0%）和 Gemini 2.5 Flash（73.9%）。该鲁棒性还能泛化至未见扰动类型、西班牙语跨语言任务及 VitaminC 数据集上的证据端扰动。