ニュース要約が「もとの記事の意図や視点」を曲げてしまわないようにするモデル『P3SUM』が開発されました。
アレン人工知能研究所やカーネギーメロン大学などの研究者らによる発表です。
LLMを含む他モデルに対して優位性が確認されています。
@ Yuhan Liu et al., “What Constitutes a Faithful Summary? Preserving Author Perspectives in News Summarization”
論文によると、従来のニュース要約システムは、50%以上の割合で記事の政治的意見や立場を変えてしまい、本来の意図や視点を誤って表現しています。
そこで研究者らは、生成された要約がニュース記事の視点を維持する技術『P3SUM』を開発しました。
■『P3SUM』のポイント
① ニュース記事の著者の視点や意図を忠実に反映する要約を生成する
② 特に政治的視点を含むニュース記事の要約に有用
■有効性に関する検証結果
① CNN/DMとPOLITICSを含む複数のニュース要約データセットで評価
② 最先端のスコアを達成
③ 他のモデル（LLMを含む）と比較しても優位性のある精度を達成
■技術的な工夫
① 非自己回帰型の拡散言語モデルを使用
② 拡散言語モデルを要約データセットで微調整
③ 分類器を使用して生成過程を誘導
④ モデル予測と与えられたコンテキスト（文脈）の一貫性を向上させるために自己条件付けを行う
⑤ 長い記事コンテキストを効果的に扱うために、全てのシーケンスをモデルに入力
注意点として、ニュース記事の内容やカテゴリーによってはやはり慎重な使用が求められます。
