利用跨语言摘要中的蕴涵判断
计算与语言
2024-08-02 v1
摘要
合成的跨语言摘要 CLS 数据集容易包含文档摘要对，其中参考摘要因包含超出文档支持的内容（即幻觉内容）而不可靠。这会误导模型学习并遮蔽评估结果。针对单语摘要，已提出自动评估幻觉内容并改进训练的方法，主要针对英文。在 CLS 场景中，我们提出使用即插即用的跨语言自然语言推理 X-NLI 来评估参考摘要与模型生成摘要的忠实性。随后，我们研究了能感知训练数据中忠实性问题的训练方法，并提出一种使用不可能损失来教会模型识别不可靠摘要序列的做法。我们的结果表明，有可能训练出能产生更忠实摘要的 CLS 模型，同时保持或提升信息丰富性。
引用
@article{arxiv.2408.00675,
title = {Leveraging Entailment Judgements in Cross-Lingual Summarisation},
author = {Huajian Zhang and Laura Perez-Beltrachini},
journal= {arXiv preprint arXiv:2408.00675},
year = {2024}
}