通过对比奖励学习提升抽象摘要的事实性

I-Chun Chern; Zhiruo Wang; Sanjan Das; Bhavuk Sharma; Pengfei Liu; Graham Neubig

通过对比奖励学习提升抽象摘要的事实性

计算与语言 2023-07-11 v1 人工智能

作者: I-Chun Chern , Zhiruo Wang , Sanjan Das , Bhavuk Sharma , Pengfei Liu , Graham Neubig

摘要

现代抽象摘要模型常生成含有幻觉或矛盾信息的摘要。本文中，我们提出了一种简单而有效的对比学习框架，其融合了奖励学习与事实性度量的最新进展。实证研究表明，所提框架使摘要模型能够利用对比奖励学习从事实性度量的反馈中学习，从而在人工评估中产出更具事实性的摘要。这表明学习与评估算法的进一步进展可直接有助于提供更事实性的摘要。

关键词

抽象摘要事实性对比奖励学习幻觉奖励学习自然语言生成

引用

@article{arxiv.2307.04507,
  title  = {Improving Factuality of Abstractive Summarization via Contrastive Reward Learning},
  author = {I-Chun Chern and Zhiruo Wang and Sanjan Das and Bhavuk Sharma and Pengfei Liu and Graham Neubig},
  journal= {arXiv preprint arXiv:2307.04507},
  year   = {2023}
}

备注

TrustNLP @ ACL 2023

通过对比奖励学习提升抽象摘要的事实性

摘要

关键词

引用

备注

相关论文