OpenFactVerification

Loki：一種開源工具，用於事實驗證

概述

Loki是我們的開源解決方案，旨在自動化驗證事實的過程。它提供了一條全面的管道，可以將長期文本剖分為個人主張，評估其驗證的價值，為搜索搜索，爬行證據以及最終驗證索賠的查詢。該工具對記者，研究人員以及對信息的事實感興趣的任何人特別有用。要保持更新，請在我們的網站上訂閱我們的新聞通訊，或加入我們的不和諧！

快速開始

克隆存儲庫並導航到項目目錄

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

用詩歌安裝（選項1）

1. 通過遵循IT安裝指南來安裝詩歌。
2. 通過運行安裝所有依賴項：

poetry install

使用PIP安裝（選項2）

1. 在3.9版或更新版本中創建Python環境並激活它。

2. 導航到項目目錄並安裝所需的軟件包：

pip install -r requirements.txt

配置API鍵

您可以選擇將Essential API密鑰導出到環境

• 示例：向環境導出必需的API密鑰

 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，您可以通過YAML文件配置API鍵，請參閱用戶指南以獲取更多詳細信息。

樣本測試案例：

用法

Loki Fact-Checker的主要接口位於factcheck/__init__.py中，其中包含check_response方法。此方法集成了完整的事實驗證管道，其中每個功能都按照功能部分所述封裝在其類中。

用作圖書館

 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 )

用作網絡應用

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

自定義您的經驗

有關高級用法，請參閱我們的用戶指南。

嘗試我們的在線服務

隨著我們繼續發展和增強事實檢查解決方案，我們很高興邀請您成為我們旅程的組成部分。通過註冊我們的支持者版，您不僅要解鎖一套高級功能和好處；您還可以推動值得信賴的信息的未來。

以下是我們在線服務的屏幕截圖。單擊此處立即嘗試！

為Loki項目做出貢獻

歡迎並感謝您對Loki項目的興趣！我們歡迎社區的捐款和反饋。要開始，請參考我們的貢獻指南。

致謝

• 特別感謝所有幫助塑造該項目的貢獻者。

保持聯繫並告知

不要錯過最新更新，功能發行和社區見解！我們邀請您訂閱我們的新聞通訊，並成為我們成長中的社區的一部分。

？立即在我們的網站上訂閱！

星曆史

引用為

 @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}, 
}