大语言模型驱动的立场感知事实核查

为解决事实核查领域的证据立场不平衡和忽略立场信息的问题,提出一种大语言模型(LLM)驱动的立场感知事实核查(LLM-SA)方法。首先,使用LLM推理并生成一系列与原始声明立场不同的辩证声明,使事实核查任务能够获取不同立场的视角;其次,通过语义相似度计算衡量每个证据句子与原始声明及辩证声明之间的相关性,并从证据句子中分别选择与两者语义上最相近的k个句子,作为支持或反对原始声明的证据,从而获得代表不同立场的证据,有助于事实核查模型综合多角度的信息,更准确地评估声明的真实性;最后,引入BERT-StuSE(Bidirectional Encoder Representations from Transformers-based Stance-infused Semantic Encoding network)模型,利用多头注意力机制充分融合证据的语义和立场信息,并更全面、客观地判断声明和证据的关系。在CHEF数据集上的实验结果表明,与BERT方法相比,所提方法在测试集上的Micro F1值和Macro F1值分别提高了3.52、3.90个百分点,达到较好的水平。验证了所提方法的有效性,以及考虑不同立场的证据和充分利用证据的立场信息对事实核查的性能提升具有重要意义。

我只是姐姐,不是妈妈——家庭角色错位听障高中女生的辅导案例

由于生长环境特殊,某听障高中女生在幼年时就感受到母亲的不易,随着妹妹年龄的增长,她自觉担起了管妹妹的责任,扮演着妈妈的角色,这种角色错位给她带来极大的困扰。心理教师运用空椅子、角色扮演、感知第三立场等技术,并借用视频录像的形式,让她作为旁观者去观察、对比自己和妈妈的做法,找到问题的根源。之后,运用家庭系统排列的方法,帮助她认识到家庭角色错位带来的影响;通过多轮角色扮演,引导她换位思考,体验妹妹的情绪,习得新的沟通模式,效果较好。