論文の概要: OpenFC: Learning Verification Policies towards Open-Search Fact Checking
- arxiv url: http://arxiv.org/abs/2609.33579v1
- Date: Sun, 27 Sep 2026 13:54:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-05 15:36:57.632171
- Title: OpenFC: Learning Verification Policies towards Open-Search Fact Checking
- Title（参考訳）: OpenFC: オープン検索ファクトチェックのための検証ポリシの学習
- Abstract要約: オープン検索の事実チェックは、単に分類が続くだけでなく、全てのクエリ、ソース訪問、決定の停止といったシーケンシャルな決定問題によって、検証可能な証拠が再確認される。
textbfOpenFCは、Qwen3-8Bを推論、証拠取得、停止よりもコンパクトな次世代の制御器として訓練した後の、統一的な検証政治訓練フレームワークである。
OpenFCは平均精度70.39%、マクロF1は63.30%であり、評価手法の中では最高である。
- 参考スコア（独自算出の注目度）: 22.54412793780367
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Open-search fact checking is not merely retrieval followed by classification, but a sequential decision problem in which every query, source visit, and stopping decision reshapes the evidence available for verification. Yet existing systems often distribute these decisions across predefined pipelines or separately prompted modules rather than learning them as a unified task-specific policy. We introduce \textbf{OpenFC}, a unified verification-policy training framework that post-trains Qwen3-8B as a compact next-action controller over reasoning, evidence acquisition, and stopping. OpenFC learns this policy in two stages. \textbf{Stepwise-Calibrated Cold Start (SCCS)} uses a strong training-time supervisor to review post-initial reasoning, tool-use, and stopping proposals before execution, producing reliable trajectories for supervised fine-tuning without access to gold verdicts. \textbf{Verification-Aware Reinforcement Learning (VA-RL)} then improves the cold-start policy on unresolved claims through budget-aware tool rewards, label-aware advantage reweighting, and localized response masking. Across six fact-checking benchmarks, OpenFC achieves 70.39\% average accuracy and 63.30\% macro-F1, the highest overall averages among the evaluated methods. Stage-wise ablations further show that SCCS and VA-RL provide complementary gains, supporting the design of the two-stage training framework. These results position OpenFC as a strong and effective framework for open-search fact-checking. We will open-source our code and release the model checkpoints to support reproducibility.
- Abstract（参考訳）: オープン検索の事実チェックは、単に分類が続くだけでなく、全てのクエリ、ソース訪問、決定の停止といったシーケンシャルな決定問題によって、検証可能な証拠が再確認される。
しかし、既存のシステムは、これらの決定を事前に定義されたパイプラインに分散するか、タスク固有の統一ポリシーとして学ぶのではなく、別々にモジュールを誘導する。
我々は,Qwen3-8Bを推論,証拠取得,停止よりもコンパクトな次世代の制御器として訓練した,統一的な検証政治訓練フレームワークである‘textbf{OpenFC} を紹介する。
OpenFCはこの方針を2段階に分けて学習している。
\textbf{Stepwise-Calibrated Cold Start (SCCS) は、強力なトレーニング時間スーパーバイザーを使用して、実行前の推論、ツール使用、提案の停止をレビューし、ゴールドの評決にアクセスせずに教師付き微調整のための信頼できるトラジェクトリを生成する。
\textbf{Verification-Aware Reinforcement Learning (VA-RL) は、予算対応ツール報酬、ラベル対応アドバンテージ再重み付け、ローカライズされた応答マスキングによる未解決クレームのコールドスタートポリシーを改善する。
6つのファクトチェックベンチマークで、OpenFCは70.39\%の平均精度と63.30\%のマクロF1を達成した。
段階的な改善は、SCCSとVA-RLが相補的な利益をもたらし、2段階のトレーニングフレームワークの設計をサポートすることを示している。
これらの結果は、オープン検索ファクトチェックのための強力で効果的なフレームワークとしてOpenFCを位置づけている。
私たちはコードをオープンソース化し、再現性をサポートするためのモデルチェックポイントをリリースします。
関連論文リスト
- EAVer: Long-Form Factuality Verification as an End-to-End Agentic Policy [50.665874114632]
我々は、完全な応答レベルの検証ワークフローを統一ポリシーとして制御することを学ぶ、エンドツーエンドのエージェント検証であるEAVerを紹介する。
EAVerはセマンティック関連クレームをグループ化し、信頼に基づいた直接検証やターゲット検索にルートし、コンパクトなインコンテキストメモで検索によって返される証拠を保持する。
論文 参考訳（メタデータ） (2026-09-02T21:00:35Z) - V-Rubrics: Visual Faithfulness via Rubric-Based Reinforcement Learning [59.47823383593251]
視覚サンプルモデルでは、視覚的証拠が不十分な流動的な答えを生み出すことができる。
本稿では,参照応答を原子命題に分解するVisuals-Based Reinforcement Learningを紹介する。
我々は,コンポーネントワイド,プレフィックスローカライズされたルーリッククレジットを用いて,同じSFTチェックポイントに基づいてモデルをトレーニングする。
論文 参考訳（メタデータ） (2026-08-26T09:40:46Z) - Verifier-Induced Support Reshaping in On-Policy Optimization [27.782412748608255]
検証可能な報酬(RLVR)によるオンライン強化学習は、現在の目標を改善できる一方で、後の目標に対する行動の成功は、サンプリングや強化が極めて稀であることを示す。
我々は、この検証者によるサポートの再構築と呼び、有効な報奨支援を、固定されたロールアウト予算内で到達可能な軌道として定義する。
論文 参考訳（メタデータ） (2026-07-31T19:05:43Z) - SVR: Self-Verifying Refinement via Joint Verdict-Confidence Reinforcement Learning for Adaptive Test-Time Compute [62.3458279176813]
自己検証リファインメント(Self-Verifying Refinement)は、オラクルフリーのマルチターン強化学習フレームワークである。
自己検証を計算制御ポリシとして使用することを学ぶ。
マクロ平均精度は0.563で、平均で2.99回しか推測できない。
論文 参考訳（メタデータ） (2026-07-30T16:20:58Z) - Graph Is the Verifier: Agentic Reinforcement Learning for Interprocedural Vulnerability Detection [13.409515289348532]
VulAgentRLは、コードプロパティグラフ(CPG)上に構築された、相互の脆弱性検出のためのフレームワークである。
VulAgentRLは、フロンティアモデルを含む最先端のベースラインを厳密なペアワイズ補正基準で上回り、より少ないツールコールを発行する。
論文 参考訳（メタデータ） (2026-07-29T09:16:54Z) - Foundational Constraint Solving for Expressive Refinement Typing [0.9624643581968987]
LEANで実装された制約付きホーンクロース(CHC)ソルバであるFLEXについて述べる。
FLEXは,信頼性の高いベースをカーネルのみに還元し,LEANの証明エコシステム全体を低レベルシステムコードの検証に利用することができることを示す。
論文 参考訳（メタデータ） (2026-07-14T00:15:23Z) - GAPD: Gold-Action Policy Distillation for Agentic Reinforcement Learning in Knowledge Base Question Answering [64.23115520219609]
結果に基づくRLに高密度トークンレベルガイダンスを付加する訓練時間金反応政策蒸留フレームワークを提案する。
GAPDはWebQSP、GrailQA、GraphQの最先端技術に一貫して勝っている。
論文 参考訳（メタデータ） (2026-05-28T08:28:10Z) - PYTHALAB-MERA: Validation-Grounded Memory, Retrieval, and Acceptance Control for Frozen-LLM Coding Agents [0.0]
本稿では,ローカル検証条件付きコード生成のための軽量外部コントローラであるPYTHALAB-MERAを紹介する。
厳密な検証ゲートを持つ強化学習コーディングタスクにおけるローカルCLIアーティファクトとしての実装を評価する。
論文 参考訳（メタデータ） (2026-05-08T20:39:32Z) - Adaptive Test-Time Compute Allocation via Learned Heuristics over Categorical Structure [1.8055130471307603]
テスト時間計算は、大規模言語モデル(LLM)推論の進歩の原動力となっている。
我々は,検証作業が中間状態にまたがってどのように配置されるべきか,検証コストに制限のある環境下での推論について検討する。
本研究では, (i) 構造化された移動インタフェース上での確定可能性ゲーティング, (ii) 学習された状態距離と残差スコアのハイブリッドを用いた事前検証ランキング, (iii) 局所的不確実性に基づく検証呼び出しの適応的アロケーションを組み合わせた状態レベルの選択的検証フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-03T19:57:53Z) - Plug-and-Play Benchmarking of Reinforcement Learning Algorithms for Large-Scale Flow Control [61.155940786140455]
強化学習(RL)は,アクティブフロー制御(AFC)において有望な結果を示した。
現在のAFCベンチマークは、外部計算流体力学(CFD)の解法に依存しており、完全には微分不可能であり、3Dとマルチエージェントのサポートが限られている。
AFCにおけるRLのための最初のスタンドアロンで完全に差別化可能なベンチマークスイートであるFluidGymを紹介する。
論文 参考訳（メタデータ） (2026-01-21T14:13:44Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。