基于证据的事实错误修正

本文引入事实错误修正任务：对声明进行编辑，使得生成的改写得到证据更好的支持。这扩展了被广泛研究的事实核查任务，提供了修正被证据反驳或仅部分支持的书面文本的机制。我们证明可从现有事实核查数据集训练事实错误修正系统，这些数据集仅包含带标签的声明及相应证据，而不含修正。我们通过采用两阶段远程监督方法实现这一点，在生成修正时将证据融入被掩码的声明中。我们基于 T5 transformer 并利用检索证据的方法，比使用指针拷贝网络与金标准证据的已有工作取得了更好的结果，在人工评估中准确修正的实例数多出 5 倍，SARI 分数提高 0.125。评估在基于近期事实核查共享任务的 65,000 实例数据集上进行，我们发布该数据集以推动该任务的进一步研究。