我们研究事实核查问题，它的目的是确定一个给定的主张的真实性。具体来说，我们关注的是事实提取和验证(FEVER)及其伴随数据集的任务。该任务由从Wikipedia检索相关文档(和句子)以及验证文档中的信息是否支持或驳斥给定的声明的子任务组成。这项任务至关重要，可以成为假新闻检测和医疗索赔核实等应用程序的基石。在本文中，我们旨在通过结构化和全面的方式呈现文献来更好地理解这项任务的挑战。此外，我们通过分析不同方法的技术视角和讨论了在FEVER数据集上的性能结果来描述所提出的方法。FEVER数据集是在事实提取和验证任务上研究最充分、结构最正式的数据集。我们还进行了迄今为止最大的实验研究，以确定有益的损失功能的句子检索成分。分析表明，对否定句进行采样对于提高性能和降低计算复杂度具有重要意义。最后，我们描述了有待解决的问题和未来的挑战，并对未来的研究提出了展望。

https://arxiv.org/abs/2010.03001