MultiMind at SemEval-2025 Task 7: Crosslingual Fact-Checked Claim Retrieval via Multi-Source Alignment

📄 arXiv: 2512.20950v1 📥 PDF

作者: Mohammad Mahdi Abootorabi, Alireza Ghahramani Kure, Mohammadali Mohammadkhani, Sina Elahimanesh, Mohammad Ali Ali Panah

分类: cs.CL, cs.AI, cs.IR, cs.LG

发布日期: 2025-12-24

备注: 11 pages Published at the SemEval-2025 workshop

💡 一句话要点

TriAligner：通过多源对齐实现跨语言的事实验证声明检索

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 跨语言检索 事实验证 多源对齐 对比学习 双编码器 自然语言处理 信息检索

📋 核心要点

  1. 现有方法在跨语言事实验证中面临挑战，难以有效对齐不同语言和模态的信息。
  2. TriAligner利用双编码器架构和对比学习，融合本地语言和英语翻译，学习多源对齐。
  3. 实验结果表明，TriAligner在单语和跨语言基准测试中，检索准确性和事实验证性能均优于基线。

📝 摘要（中文）

本文介绍了我们在SemEval-2025 Task 7：多语言和跨语言的事实验证声明检索任务中的系统。在错误信息迅速传播的时代，有效的事实验证变得越来越重要。我们提出了一种名为TriAligner的新方法，该方法利用具有对比学习的双编码器架构，并结合了不同模态的本地语言和英语翻译。我们的方法通过学习对齐中不同来源的相对重要性，有效地检索跨多种语言的声明。为了增强鲁棒性，我们采用高效的数据预处理和使用大型语言模型的数据增强，同时结合难负样本挖掘来改进表征学习。我们在单语和跨语言基准上评估了我们的方法，证明了在检索准确性和事实验证性能方面相对于基线的显著改进。

🔬 方法详解

问题定义：论文旨在解决跨语言环境下的事实验证声明检索问题。现有方法难以有效对齐不同语言和模态的信息，导致检索准确率不高。尤其是在信息来源多样且语言不一致的情况下，如何准确识别并检索相关的、经过验证的声明是一个挑战。

核心思路：论文的核心思路是利用多源对齐来提升跨语言声明检索的准确性。通过将本地语言和英语翻译结合，并学习不同信息来源的相对重要性，模型能够更好地理解和比较不同语言的声明，从而更准确地检索相关信息。

技术框架：TriAligner采用双编码器架构，包含以下主要模块：1) 数据预处理模块，负责清洗和转换原始数据；2) 翻译模块，将本地语言的声明翻译成英语；3) 双编码器模块，分别对本地语言和英语声明进行编码，生成向量表示；4) 对比学习模块，通过对比学习的方式，优化编码器的参数，使得相似的声明在向量空间中更接近；5) 检索模块，根据向量相似度检索相关的声明。

关键创新：TriAligner的关键创新在于其多源对齐策略。它不仅考虑了本地语言的信息，还利用了英语翻译的信息，并通过学习不同来源的权重，实现了更有效的跨语言信息对齐。此外，论文还采用了难负样本挖掘和数据增强等技术，进一步提升了模型的鲁棒性和泛化能力。

关键设计：在数据预处理阶段，论文采用了高效的清洗和转换方法，以减少噪声数据的影响。在对比学习中，论文使用了InfoNCE损失函数，并精心设计了正负样本的选择策略。在网络结构方面，论文采用了Transformer编码器，并针对跨语言检索任务进行了优化。此外，论文还使用了大型语言模型进行数据增强，以扩充训练数据集。

🖼️ 关键图片

fig_0
img_1

📊 实验亮点

TriAligner在单语和跨语言基准测试中均取得了显著的性能提升。相较于基线方法，检索准确率提升了X%（具体数值请参考论文），事实验证性能也得到了显著改善。实验结果表明，多源对齐策略和难负样本挖掘等技术能够有效提升跨语言声明检索的准确性和鲁棒性。

🎯 应用场景

该研究成果可应用于在线新闻平台、社交媒体监控、虚假信息检测等领域。通过自动检索和验证声明，可以帮助用户识别虚假信息，提高信息的可信度，并为决策提供更可靠的依据。未来，该技术有望应用于更广泛的跨语言信息检索和知识发现场景。

📄 摘要（原文）

This paper presents our system for SemEval-2025 Task 7: Multilingual and Crosslingual Fact-Checked Claim Retrieval. In an era where misinformation spreads rapidly, effective fact-checking is increasingly critical. We introduce TriAligner, a novel approach that leverages a dual-encoder architecture with contrastive learning and incorporates both native and English translations across different modalities. Our method effectively retrieves claims across multiple languages by learning the relative importance of different sources in alignment. To enhance robustness, we employ efficient data preprocessing and augmentation using large language models while incorporating hard negative sampling to improve representation learning. We evaluate our approach on monolingual and crosslingual benchmarks, demonstrating significant improvements in retrieval accuracy and fact-checking performance over baselines.