OpenFactVerification

Loki：一种开源工具，用于事实验证

概述

Loki是我们的开源解决方案，旨在自动化验证事实的过程。它提供了一条全面的管道，可以将长期文本剖分为个人主张，评估其验证的价值，为搜索搜索，爬行证据以及最终验证索赔的查询。该工具对记者，研究人员以及对信息的事实感兴趣的任何人特别有用。要保持更新，请在我们的网站上订阅我们的新闻通讯，或加入我们的不和谐！

快速开始

克隆存储库并导航到项目目录

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

用诗歌安装（选项1）

1. 通过遵循IT安装指南来安装诗歌。
2. 通过运行安装所有依赖项：

poetry install

使用PIP安装（选项2）

1. 在3.9版或更新版本中创建Python环境并激活它。

2. 导航到项目目录并安装所需的软件包：

pip install -r requirements.txt

配置API键

您可以选择将Essential API密钥导出到环境

• 示例：向环境导出必需的API密钥

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

另外，您可以通过YAML文件配置API键，请参阅用户指南以获取更多详细信息。

样本测试案例：

用法

Loki Fact-Checker的主要接口位于factcheck/__init__.py中，其中包含check_response方法。此方法集成了完整的事实验证管道，其中每个功能都按照功能部分所述封装在其类中。

用作图书馆

 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 )

用作网络应用

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

多模式使用

 # 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

自定义您的经验

有关高级用法，请参阅我们的用户指南。

尝试我们的在线服务

随着我们继续发展和增强事实检查解决方案，我们很高兴邀请您成为我们旅程的组成部分。通过注册我们的支持者版，您不仅要解锁一套高级功能和好处；您还可以推动值得信赖的信息的未来。

以下是我们在线服务的屏幕截图。单击此处立即尝试！

为Loki项目做出贡献

欢迎并感谢您对Loki项目的兴趣！我们欢迎社区的捐款和反馈。要开始，请参考我们的贡献指南。

致谢

• 特别感谢所有帮助塑造该项目的贡献者。

保持联系并告知

不要错过最新更新，功能发行和社区见解！我们邀请您订阅我们的新闻通讯，并成为我们成长中的社区的一部分。

？立即在我们的网站上订阅！

星历史

引用为

 @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}, 
}