可解释的新闻摘要——分析与缓解分歧问题
原文中文,约500字,阅读约需2分钟。发表于: 。本研究聚焦于可解释AI(XAI)在文本摘要中的分歧问题,即不同XAI方法对同一输入文章生成的摘要解释存在矛盾。文章提出了一种新的段落分割与聚类方法,旨在减少XAI方法之间的分歧,实验结果表明该方法显著提高了不同XAI方法的一致性,增强了可解释性的可靠性。研究还开发了一个易用的交互式可视化工具,方便用户探索摘要与输入文章之间的关系。
本文提出了一个新任务,即从多篇新闻文章中提取同一事件的多样信息。研究创建了DiverseSumm数据集,包含245个故事和10篇文章。分析表明,尽管大型语言模型(LLMs)在单篇摘要上表现良好,但在多样信息覆盖方面仍存在挑战,GPT-4平均只能覆盖不到40%的信息。