用于增强声明验证的蒸馏与对齐分解

复杂的声明验证需要将句子分解为可验证的子声明，但现有方法难以使分解质量与验证性能保持一致。本文提出一种强化学习方法，利用组相对策略优化（GRPO）联合优化分解质量与验证器对齐。该方法整合了结构化序列推理、基于教师蒸馏示例的监督微调，以及平衡格式合规性、验证器对齐和分解质量的多目标奖励机制。在六个评估设置中，训练的 8B 分解模型将下游验证性能提升至 71.75% 的宏平均 F1 分数，优于基于提示的方法和现有 RL 方法。人工评估证实了生成子声明的高质量。