OpinSummEval是一个包含人工评价和14个观点总结模型输出的数据集。研究发现，神经网络的指标通常优于非神经网络的指标，但即使是强大的模型如BART和GPT-3/3.5也不能在所有维度上一致地与人工评分相关，需要改进观点总结自动评估方法。