ThinknCheck：基于紧凑、推理驱动且可解释模型的地面化主张验证

本文提出 ThinknCheck，一种用于地面化主张验证的 10 亿参数验证器，其先生成简短结构化理由再给出二元判决。通过构建包含 2.41 万条数据的推理增强训练集 LLMAggreFact-Think 并微调 Gemma3 模型，该方法在少参数量下显著超越基线。实验表明，移除推理步骤会导致准确率大幅下降，而零样本思维链反而有害。研究证实，显式的监督推理能使紧凑模型在保持资源高效和可解释性的同时具备竞争力。