基准Fact Extraction and VERification
FEVER
早期经典事实核查基准数据集，基于维基百科文本进行声明验证，是FEVEROUS的前身，主要处理非结构化文本数据
核心事实
时间轴 (近 90 天)
9月24日
研究团队在FEVER、FEVEROUS和SciFact三个数据集上用两个8B规模的大语言模型(Qwen与Llama)生成了470,400条回复
待验证50%
9月14日
在FEVER基准上，8B规模骨干模型搭配R2VC架构后准确率比基线提升了13.74%
待验证50%
9月14日
移除候选筛选环节后，FEVER准确率下降到76.24%
待验证50%
全部知识事实 (6)
已验证
ReAct在HotpotQA、FEVER等复杂推理基准上显著优于单独使用CoT或行动的方法
80%已验证ReAct论文通过在HotpotQA、FEVER等多跳推理基准上的实验，证明相比单纯的Chain-of-Thought推理，ReAct在需要外部信息检索的任务上准确率提升了约10%~30%
75%待验证ReAct论文在HotpotQA和FEVER等基准测试上证明ReAct模式相比纯推理或纯行动方法都有显著提升
85%待验证研究团队在FEVER、FEVEROUS和SciFact三个数据集上用两个8B规模的大语言模型(Qwen与Llama)生成了470,400条回复
50%待验证在FEVER基准上，8B规模骨干模型搭配R2VC架构后准确率比基线提升了13.74%
50%待验证移除候选筛选环节后，FEVER准确率下降到76.24%
50%