scientific-claim-verification

本文提出了HNR-DAC，一种用于引用论文科学声明验证的两阶段框架，结合了难负样本重排序与分布对齐分类。该方法在NLPCC 2026 Task 10 Track 2上表现优异，以最高的Macro-F1位列排行榜第三名。

本文介绍了ToolSciVer，这是首个面向多模态科学声明验证（MSCV）的工具增强框架。该框架为视觉语言模型（VLM）配备了类型感知的视觉工具，并使用GRPO训练策略，在SciVer和MuSciClaims数据集上，跨多个模型家族实现了卓越性能。