期待通過日常查看簡介部分，快速了解目前學術動向
-
4月27日更新
- Focused Attention Improves Document-Grounded Generation
- 簡介：基于文檔的生成是利用文檔里提供的信息以提高文本生成的精度旭旭。這篇論文主要集中于兩種不同的基于文檔的生成任務：維基百科更新生成任務與對話響應生成谎脯。我們將介紹兩種重點建立文檔的上下文驅動表示以使文檔中的具體信息可以得到關注的大規(guī)模編譯解碼模型的適配性。此外我們?yōu)檫@些任務提供了更強大的BART baseline持寄。我們提出的技術在自動化和人工評估與參考文獻的接近性以及與文獻的相關性方面都超過了既存方法源梭。我們還對生成的輸出進行了全面的人工檢查，并對錯誤進行了分類稍味，以便為將來的建模方向提供思路废麻。
-
4月28日更新
- Extractive and Abstractive Explanations for Fact-Checking and Evaluation of News
- 簡介：這篇論文為了協(xié)助事實核查和新聞評估應用，探索了新聞聲明的自然語言解釋的構建仲闽。他們探索了兩種方式:(1)基于Biased TextRank的提取方式--這是一種基于資源效率的無監(jiān)督圖模型提取算法脑溢。(2)基于GPT-2預訓練語言模型的抽象式。該論文在政治和健康這兩個新聞領域的錯誤信息數(shù)據(jù)集上進行了比較評估，發(fā)現(xiàn)提取式效果更好屑彻。
