零样本忠实事实错误纠正
计算与语言
2023-05-30 v2
摘要
忠实纠正事实错误对于维护文本知识库的完整性以及防止序列到序列模型产生幻觉至关重要。借鉴人类识别和纠正事实错误的能力，我们提出一种零样本框架，该框架对输入声明提出问题，在给定证据中寻找正确答案，并基于每个纠正与证据的一致性评估其忠实性。我们的零样本框架优于全监督方法，正如在 FEVER 和 SciFact 数据集上的实验所证明的，我们的输出被证明更具忠实性。更重要的是，我们框架的可分解特性天然提供了可解释性。此外，为揭示评估事实错误纠正最合适的指标，我们从可理解性和忠实性三个不同维度分析了常用指标与人类判断之间的相关性。
引用
@article{arxiv.2305.07982,
title = {Zero-shot Faithful Factual Error Correction},
author = {Kung-Hsiang Huang and Hou Pong Chan and Heng Ji},
journal= {arXiv preprint arXiv:2305.07982},
year = {2023}
}
备注
Accepted by ACL 2023