본 논문은 자동 사실 확인 파이프라인에서 동일한 사실 확인으로 해결 가능한 주장들을 묶는 주장 매칭(CM) 작업에 대한 연구를 최초로 수행했습니다. 영(zero-shot) 및 소량(few-shot) 학습 접근 방식을 사용하여 이진 분류 작업으로 CM을 고려하고, GPT-3.5-turbo, Gemini-1.5-flash, Mistral-7B-Instruct, Llama-3-8B-Instruct 등의 지시 따르기 대규모 언어 모델(LLM)과 프롬프트 템플릿을 실험했습니다. 새로운 CM 데이터셋인 ClaimMatch를 제시하며(수락 시 공개), 자연어 추론이나 패러프레이즈 탐지와 같은 유사한 작업을 활용하여 CM 작업을 수행할 수 있음을 발견했습니다. 또한, 다양한 길이의 텍스트에 대해 평가한 CM 파이프라인을 제안했습니다.
