OpenFactVerification

Loki: uma ferramenta de código aberto para verificação de fatos

Visão geral

O Loki é a nossa solução de código aberto projetado para automatizar o processo de verificação da factualidade. Ele fornece um pipeline abrangente para dissecar textos longos em reivindicações individuais, avaliando sua dignidade para verificação, gerando consultas para busca de evidências, rastejando por evidências e finalmente verificando as reivindicações. Essa ferramenta é especialmente útil para jornalistas, pesquisadores e qualquer pessoa interessada na factualidade da informação. Para se manter atualizado, assine nossa newsletter em nosso site ou junte -se a nós no Discord!

Início rápido

Clone o repositório e navegue até o diretório do projeto

git clone https://github.com/Libr-AI/OpenFactVerification.git
cd OpenFactVerification

Instalação com poesia (opção 1)

1. Instale a poesia seguindo a diretriz de instalação de TI.
2. Instale todas as dependências em execução:

poetry install

Instalação com PIP (Opção 2)

1. Crie um ambiente Python na versão 3.9 ou mais recente e ative -o.

2. Navegue até o diretório do projeto e instale os pacotes necessários:

pip install -r requirements.txt

Configure as teclas da API

Você pode optar por exportar a chave da API essencial para o meio ambiente

• Exemplo: exportar a chave da API essencial para o meio ambiente

 export SERPER_API_KEY=... # this is required in evidence retrieval if serper being used
export OPENAI_API_KEY=... # this is required in all tasks

Como alternativa, você configura as teclas da API por meio de um arquivo YAML, consulte o Guia do usuário para obter mais detalhes.

Um caso de teste de amostra:

Uso

A principal interface do Loki Fact-checker localizada no factcheck/__init__.py , que contém o método check_response . Este método integra o pipeline de verificação de fatos completos, onde cada funcionalidade é encapsulada em sua classe, conforme descrito na seção de recursos.

Usado como biblioteca

 from factcheck import FactCheck

factcheck_instance = FactCheck ()

# Example text
text = "Your text here"

# Run the fact-check pipeline
results = factcheck_instance . check_response ( text )
print ( results )

Usado como um aplicativo da web

python webapp.py --api_config demo_data/api_config.yaml

Uso multimodal

 # String
python -m factcheck --modal string --input " MBZUAI is the first AI university in the world "
# Text
python -m factcheck --modal text --input demo_data/text.txt
# Speech
python -m factcheck --modal speech --input demo_data/speech.mp3
# Image
python -m factcheck --modal image --input demo_data/image.webp
# Video
python -m factcheck --modal video --input demo_data/video.m4v

Personalize sua experiência

Para uso avançado, consulte nosso Guia do Usuário.

Experimente nosso serviço online

À medida que continuamos a evoluir e aprimorar nossa solução de verificação de fatos, estamos entusiasmados em convidá-lo a se tornar parte integrante de nossa jornada. Ao se registrar para a nossa edição de apoiadores, você não está apenas desbloqueando um conjunto de recursos e benefícios avançados; Você também está alimentando o futuro das informações confiáveis.

Abaixo está uma captura de tela do nosso serviço on -line. Clique aqui para experimentar agora!

Contribuindo para o projeto Loki

Bem -vindo e obrigado pelo seu interesse no projeto Loki! Congratulamo -nos com contribuições e feedback da comunidade. Para começar, consulte nossas diretrizes de contribuição.

Agradecimentos

• Agradecimentos especiais a todos os colaboradores que ajudaram a moldar este projeto.

Fique conectado e informado

Não perca as últimas atualizações, lançamentos de recursos e informações da comunidade! Convidamos você a se inscrever em nossa newsletter e fazer parte da nossa comunidade em crescimento.

? Inscreva -se agora em nosso site!

História da estrela

Cite como

 @misc{li2024lokiopensourcetoolfact,
      title={Loki: An Open-Source Tool for Fact Verification}, 
      author={Haonan Li and Xudong Han and Hao Wang and Yuxia Wang and Minghan Wang and Rui Xing and Yilin Geng and Zenan Zhai and Preslav Nakov and Timothy Baldwin},
      year={2024},
      eprint={2410.01794},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2410.01794}, 
}