Insight & target problem

标注了新的数据
探究现在的Metric质量

Solution

1. XSum的错误太多了太多了
2. BART在CNNDM上主要错误是在，实体错误，共指错误，不在文中错误

1. Pretrain model的错误更难判断了
2. Xsum的错误更难发现

FactCC是很好判断语义层面的错误，在DisCourse层面巨烂
BERTScore匹配性，对于验证文章内容的指标好用。ROUGE-L也是很不错的，不过语义层面巨烂
DAE对Discourse类型的不错（废话，本来就是discourse类型的算法）

Highlight

Others