mFACE：具有事实一致性评估的多语言摘要

得益于预训练语言模型和大规模数据集的可用性，生成式摘要在近年来重新引起了广泛关注。尽管结果令人鼓舞，当前模型仍存在生成事实不一致摘要的问题，降低了其在实际应用中的效用。近期的一些研究试图通过设计自动检测机器生成摘要中事实不一致的模型来解决这一问题。然而，它们完全专注于资源丰富的英语。在这项工作中，我们利用事实一致性评估模型来改进多语言摘要。我们探索了两种基于多语言 NLI 模型提供的信号来缓解幻觉的直观方法，即数据过滤和受控生成。在 XLSum 数据集 45 种语言上的实验结果表明，在自动评估和人工评估中均取得了优于强基线的提升。