Insight & target problem

很多之前的工作都只关注做事实不一致的检测
这篇论文瞄准了事实不一致的修改

Solution

做法就是人工构造负例作为训练样本
然后用BART
input：Document + May Fake summary
output Target ：Summary

训练数据集使用CNNDM，选择30%的样例为负例
，
测试使用的是K2019，一个之前构造的，由多个系统产生的摘要，已经被标注了正确还是错误

Highlight

效果有点一般般

手工构造的和下游任务的真实使用环境有一点的gap

识别的正确率和修改的正确性都有一点问题

400多个正确的样例，改了39个，把5个改错了

Others