研究发现，使用BART-large模型在按照CommonGen训练数据中概念顺序进行微调时表现最优，即使使用专门针对该任务的训练数据进行微调，更大的基于GPT3的大型语言模型变体在此任务上也未必表现更好。人工标注者在手动编写涵盖这些概念的句子时会显著调整输入的概念顺序，并且无论生成时使用的LM如何，这种排序都能提供最好的句子生成结果，超过了基于概率的概念排序基线。