CASIMIR：一个包含多版本作者整合修订的科学文章语料库

撰写科学文章是一项具有挑战性的任务，因为它是一种高度规范化和特定的体裁，因此精通书面交流对于有效传达研究成果和思想至关重要。在本文中，我们提出了一种关于科学文章写作过程中修订步骤的原创文本资源。这个名为 CASIMIR 的新数据集包含来自 OpenReview 的 15,646 篇科学文章的多个修订版本及其同行评审。文章的连续版本对在句子级别进行了对齐，同时保留段落位置信息作为元数据，以支持未来在话语层面的修订研究。每对修订后的句子都 enriched 了自动提取的编辑内容及相关修订意图。为了评估数据集的初始质量，我们对几种最先进的文本修订方法进行了定性研究，并比较了各种评估指标。我们的实验促使我们质疑当前文本修订任务评估方法的相关性。