LAQuer：基于内容生成的局部归因查询

基础文本生成模型常产生偏离源材料的内容，需要用户进行验证以确保准确性。现有归因方法将整个句子与源文档关联，这可能使希望对特定声明进行事实核查的用户感到信息过载。相反，现有的子句归因方法可能更精确，但未能与用户的兴趣相契合。鉴于这些局限性，我们引入了局部归因查询(LAQuer)，一项将生成输出的选定片段定位至其对应源片段的新任务，允许细粒度且由用户主导的归因。我们比较了 LAQuer 任务的两种方法，包括提示 large language models (LLMs) 以及利用 LLM 内部表示。随后，我们探索了一个将现有归因文本生成方法扩展至 LAQuer 的建模框架。我们在两个基础文本生成任务上评估了该框架：多文档摘要(MDS)与长篇问答(LFQA)。我们的研究结果表明，LAQuer 方法显著缩短了归因文本的长度。我们的贡献包括：(1) 提出 LAQuer 任务以增强归因的可用性；(2) 提出建模框架并对多个基线进行基准测试；(3) 提出新的评估设置以促进未来关于基于内容生成的局部归因研究。