本文介绍了使用大型语言模型（LLM）评估文本摘要中的实际一致性（FC）的研究。通过引入TreatFact数据集，作者对11个LLM进行了FC评估，并发现通过增加模型大小、扩展预训练数据和开发微调数据，可以提升开源LLM的性能。然而，现有的方法和基于LLM的评估器都无法捕捉到临床摘要中的实际不一致性，给FC评估带来了新的挑战。

本文介绍了使用大型语言模型（LLM）评估文本摘要中的实际一致性（FC）的研究。通过引入TreatFact数据集，作者对11个LLM进行了FC评估，并发现通过增加模型大小、扩展预训练数据和开发精心策划的微调数据，有潜力提升开源LLM的性能。然而，现有的方法和基于LLM的评估器都无法捕捉到临床摘要中的实际不一致性，给FC评估提出了新的挑战。

本文介绍了使用大型语言模型（LLM）评估文本摘要的研究，发现开源LLM在评估实际一致性方面仍有待提高。通过增加模型大小、扩展预训练数据和开发微调数据，可以提升开源LLM的性能。现有的方法和基于LLM的评估器无法捕捉到临床摘要中的实际不一致性，给实际一致性评估带来新的挑战。

本文介绍了使用大型语言模型（LLM）评估文本摘要中的实际一致性（FC）的研究，通过引入TreatFact数据集填补了该领域的空白。研究发现，通过增加模型大小、扩展预训练数据和开发精心策划的微调数据，有潜力提升开源LLM的性能。然而，目前的方法和基于LLM的评估器都无法捕捉到临床摘要中的实际不一致性，给FC评估提出了新的挑战。