ViNumFCR：面向数值推理的越南语新闻事实核查系统

本文介绍ViNumFCR项目，这是一个针对越南语新闻中数值推理场景的专业化事实核查系统。该系统整合Playwright数据提取、大语言模型微调和复杂推理链评估技术，为处理包含百分比、绝对数值和时间序列数据的虚假新闻检测提供完整技术方案。项目由开发者cdmanh1108开源，聚焦数值型声明的验证，区别于通用事实核查系统。

信息爆炸时代，虚假新闻传播速度快于核查速度，尤其是涉及财务、统计等数值声明的新闻，需专业分析能力和验证流程。ViNumFCR针对这一挑战开发，专注越南语新闻的数值推理型事实核查，特别处理百分比变化、绝对数值对比、时间序列趋势分析等复杂场景。

ViNumFCR采用多阶段流水线架构，包含三大核心模块：

1. 数据提取层：使用Python Playwright框架自动化抓取网页数据（含动态表格/图表），确保数据来源可追溯；
2. 数据处理与特征工程：清洗结构化数据，统一数值单位/格式，对齐文本声明与提取数据，识别数值关联关系；
3. 模型推理与验证：基于ViFactCheck基准数据集，采用Google Gemma等开源模型微调，评估复杂推理链（如多步计算验证数值声明）。

ViNumFCR针对三类数值推理场景优化：

• 百分比与比率计算：准确识别计算基准，处理同比/环比增长，理解非线性特性（如增长50%后下降50%不回到原点）；
• 绝对数值对比：精确匹配数值并理解统计口径（如毛收入vs净收入）；
• 时间序列分析：识别季节性模式、异常值和长期趋势，验证趋势描述与数据是否相符。

ViNumFCR基于ViFactCheck基准数据集构建，该数据集涵盖越南语新闻多领域数值型声明。评估指标除传统准确率外，还包括计算正确率、单位一致性、推理链完整性等数值推理专项指标，多维度反映系统真实表现。

ViNumFCR可应用于：

• 新闻编辑室：快速验证稿件数值声明；
• 金融机构：验证市场传闻和财务数据；
• 政府部门：核查统计数据准确性。 尤其在金融领域，能减少数据错误导致的市场影响和声誉风险，提升新闻发布准确性与时效性。

ViNumFCR技术架构具有语言无关性，替换语言特定模型和数据集可扩展至其他语言；结合检索增强生成（RAG）技术，可接入实时数据源实现新新闻即时核查；随着大语言模型能力提升，推理准确性有望进一步提高。

ViNumFCR代表事实核查向专业化、精细化发展的趋势，展示了大语言模型与传统数据处理技术结合构建实用自动化系统的思路。为关注媒体可信度和信息真实性的开发者、研究者提供宝贵技术参考。