别用GPT-4直出文本摘要!MIT、哥大等发布全新「密度链」提示:实体密度是摘要质量的关键

为了更好地理解信息量和可理解性之间的权衡,麻省理工学院、哥伦比亚大学等机构的研究人员提出了一个全新的「密度链」(Chain of Dense)提示,可以在不增加摘要文本长度的前提下,对GPT-4生成的实体稀疏(entity-sparse)摘要进行迭代优化,逐步添加缺失的重要实体。

ChatGPT发布后,文本生成技术得到飞速发展,大量NLP任务都面临被完全攻克的窘境,尤其是对于缺乏标准答案的「文本摘要」任务来说更是如此。

但如何在摘要中包含「合理的信息量」仍然十分困难:一个好的摘要应该是详细的,以实体为中心的,而非实体密集且难以理解。

为了更好地理解信息量和可理解性之间的权衡,麻省理工学院、哥伦比亚大学等机构的研究人员提出了一个全新的「密度链」(Chain of Dense)提示,可以在不增加摘要文本长度的前提下,对GPT-4生成的实体稀疏(entity-sparse)摘要进行迭代优化,逐步添加缺失的重要实体。

别用GPT-4直出文本摘要!MIT、哥大等发布全新「密度链」提示:实体密度是摘要质量的关键

论文链接:https://arxiv.org/pdf/2309.04269.pdf

开源数据:https://huggingface.co/datasets/griffin/chain_of_density

从实验结果来看,用CoD生成的摘要比由普通提示生成的GPT-4摘要更抽象(abstractive),表现出更多的融合性(fusion)以及更少的lead bias

别用GPT-4直出文本摘要!MIT、哥大等发布全新「密度链」提示:实体密度是摘要质量的关键

在对100篇CNN DailyMail文章进行人类偏好研究后可以发现,人类也更倾向于选择实体更密集的摘要结果,与人工编写摘要的实体密度相近。

研究人员开源了500篇带标注的CoD摘要,以及5000篇无标注的摘要数据。

迭代改进文本摘要

提示(Prompt)

任务目标是使用GPT-4生成一组具有「不同信息密度水平」的摘要,同时还要控制文本的长度。

研究人员提出密度链(CoD,Chain of Density)提示来生成一个初始摘要,并逐渐使实体密度越来越大。

具体来说,在固定的迭代轮数下,识别出源文本中一组独特的、显著的实体,并融合到先前的摘要中而不增加文本长度。

别用GPT-4直出文本摘要!MIT、哥大等发布全新「密度链」提示:实体密度是摘要质量的关键

首次生成的摘要是实体稀疏的,只关注1-3个初始实体;为了保持相同的文本长度,同时增加涵盖的实体数量,需要明确鼓励抽象(abstraction)、融合(fusion)和压缩(compression),而不是从之前的摘要中删除有意义的内容。

研究人员没有规定实体的类型,而是简单地将缺失实体(Missing Entity)定义为:

相关(Relevant):与主体故事相关;

具体(Specific):描述性但简明扼要(5个字或以下);

新颖(Novel):没有出现在之前的摘要中;

忠实(Faithful):存在于原文中;

任何地方(Anywhere):可以出现在文章中的任意位置。

在数据选择上,研究人员从CNN/DailyMail摘要测试集中随机抽取100篇文章来生成CoD摘要。

然后将CoD摘要统计数据与人工编写的条目(bullet-point)风格的参考摘要以及GPT-4在常规提示下生成的摘要进行对比,其中提示词为「写一篇非常简短的文章摘要,不超过70个词」(Write a VERY short summary of the Article. Do not exceed 70 words)。

预期token长度设置为与CoD摘要的token长度相匹配。

统计结果

直接统计指标

使用NLTK计算token数量,使用Spacy2测量独特的实体数量,并计算实体密度比率。

别用GPT-4直出文本摘要!MIT、哥大等发布全新「密度链」提示:实体密度是摘要质量的关键

CoD提示很大程度上限制了生成摘要的预期token数量,可以看到,从第二步开始从冗长的初始摘要中逐渐删除不必要的单词,使得文本长度平均减少5个token(72到67)。

实体密度也随之上升,最开始是0.089,低于人类和GPT-4的结果(分别为0.151和0.122),而在5步操作后密度上升到0.167。

间接统计指标

使用抽取密度(extractive density,即抽取片段的平均长度的平方)来衡量文本的抽象性(abstractiveness),预期文本应该随CoD的迭代进展而增加。

使用「摘要句子与源文本对齐数量」作为概念融合(fusion)指标,其中对齐算法使用「相对ROUGE增益」,将源句子与目标句子对齐,直到额外添加的句子不会继续提升相对ROUGE增益为止,预期融合应该逐渐增加。

使用「摘要内容在源文本中的位置」作为内容分布(Content Distribution)指标,具体测量方法为所有对齐源句子的平均排序,预期CoD摘要最初表现出明显的Lead Bias,后续逐渐开始从文章的中间和结尾部分引入实体。

别用GPT-4直出文本摘要!MIT、哥大等发布全新「密度链」提示:实体密度是摘要质量的关键

统计结果也验证了预期结果的正确性:抽象性随着重写过程而逐渐增加、融合率上升、摘要开始纳入文章中间和结尾的内容。

并且,所有CoD摘要都比手工编写和基线模型生成的摘要更加抽象。

实验结果

为了更好地理解CoD摘要的权衡,我们用GPT-4进行了一项基于偏好的人体研究和一项基于评级的评估。

人类偏好评估

研究人员主要以评估致密化(densification)对人类整体质量评估的影响。

具体来说,输入100篇文章,可以得到「5个步骤*100=总计500个摘要」,向四位标注人员随机展示摘要结果,并根据原文忠实度(Essence)、清晰性(Clarity)、准确性(Accuracy)、目的性(Purpose)、简洁性(Concise)和风格(Style)对摘要进行评估。

别用GPT-4直出文本摘要!MIT、哥大等发布全新「密度链」提示:实体密度是摘要质量的关键

从票选结果来看,第二个CoD步骤获得了最高评价,再结合之前平均密度的实验结果,可以大体推断出人类更倾向于选择实体密度约为15%的文本摘要,显著高于GPT-4生成的摘要(实体密度0.122)。

别用GPT-4直出文本摘要!MIT、哥大等发布全新「密度链」提示:实体密度是摘要质量的关键

自动评估指标

最近一些工作已经证明了GPT-4的评估与人类评估结果之间的相关性非常高,甚至有可能在部分标注任务上比众包工作者的表现还要好。

作为人工评估的补充,研究人员提出使用GPT-4从5个方面对CoD摘要(1-5)进行评级:信息量(Informative)、质量(Quality)、连贯性(Coherence)、归因(Attributable)和整体性(Overall)。

使用的指令模版为:

Article: {{Article}}
Summary: {{Summary}}
Please rate the summary (1=worst to 5=best) with respect to {{Dimension}}.
{{Definition}}

其中各个指标的定义为:

信息量:信息量丰富的摘要可以抓住文章中的重要信息,并准确简洁地呈现出来。(An informative summary captures the important information in the article and presents it accurately and concisely.)

质量:高质量的摘要是可理解的。(A high quality summary is comprehensible and understandable.)

连贯性:连贯一致的摘要结构严谨,组织有序。(A coherent summary is well-structured and well-organized.)

归因:摘要中的所有信息是否完全归因文章?(Is all the information in the

summary fully attributable to the Article?)

总体偏好:一个好的摘要应该以简洁、逻辑和连贯的方式传达文章的主要观点。(A good summary should convey the main ideas in the Article in a concise, logical, and coherent fashion.)

别用GPT-4直出文本摘要!MIT、哥大等发布全新「密度链」提示:实体密度是摘要质量的关键

实验结果表明,致密化与信息量相关,但得分在第4步时达到峰值(4.74);质量和连贯性的下降更快;所有摘要均被视为归因自源文章;总体得分倾向于更密集和更翔实的总结,第4步得分最高。平均而言,第一个和最后一个CoD步骤最不受青睐,而中间三个步骤很接近(分别为4.78、4.77和4.76)。

定性分析

摘要的连贯性/可读性和信息量之间在迭代的过程中需要权衡。

别用GPT-4直出文本摘要!MIT、哥大等发布全新「密度链」提示:实体密度是摘要质量的关键

上面例子中展示了两个CoD步骤,分别包含更细节的内容和更粗略的内容。

平均而言,中间步骤的CoD摘要可以更好地实现平衡,但如何精确定义和量化这种平衡目前还没有工作。

矢量AI门户网,优质AI资讯内容平台

(0)
上一篇 2023年9月29日 下午9:09
下一篇 2023年10月7日 下午1:55

相关推荐

  • OpenAI收购「我的世界开源版」,GPT-5要在虚拟世界中进化了?

    该公司主要产品为「开源版我的世界」,制作精美。注意这次是收购而不仅是投资,而且是 OpenAI 成立近 8 年以来首次公开披露的一笔。具体交易条款尚未披露,我们只能从简单的公告中获悉:该公司整个团队已并入 OpenAI,并且要参与的是核心产品也就是 ChatGPT 的开发。

    2023年8月21日
    84
  • 当大模型都开始走收费模式,谁能成为最大赢家?

    Adobe 认为人类创造力的新时代已经来临,AI 已经被植入到工作流程中,带来新的创意魔力。AI 创新在创造者手中最为强大,深度融入他们每天使用的应用程序中,将他们的想法变为现实。 他们对创意社区在 Adobe Photoshop 中的生成填充和生成扩展、Illustrator 中的生成重新着色以及 Adobe Express 中的文本到图像和文本效果测试版期间制作的令人惊叹的内容感到震惊。

    2023年9月14日
    119
  • 大模型激战半年,腾讯字节姗姗来迟

    在这之中,有人加速迭代。8月8日,由搜狗搜索创始人王小川创立的百川智能发布了旗下第三款大模型产品 Baichuan-53B,背后训练参数高达530亿。此时距离王小川宣布进军大模型战场不过4个月的时间,这家创业公司进展神速。

    2023年8月15日
    88

发表回复

登录后才能评论