ACLMay, 2023
对话摘要中注释和检测细粒度事实错误
Annotating and Detecting Fine-grained Factual Errors for Dialogue Summarization
Rongxin Zhu, Jianzhong Qi, Jey Han Lau
TL;DR本文介绍了第一个 fine-grained 正误注释数据集 DIASUMFACT,以及通过候选排名使用预训练编码器 - 解码器模型提出的无监督模型 ENDERANKER,该模型表现出与 SOTA 模型相当的性能,并且需要更少的资源。这些发现证实了从对话摘要中检测事实错误的挑战,这为进一步研究提供了坚实的基础。