【KAUST博士论文】面向可信文本生成的探索：信息性、真实性和鲁棒性方面的研究，169页pdf

文章预览

文本生成任务涉及通过人工智能系统自动创建连贯且语境相关的文本内容，已经成为自然语言处理领域的关键研究方向。这项技术在各种领域中应用广泛，从创意写作和自动新闻报道，到为客户服务聊天机器人定制个性化响应。随着对这些自动化系统的依赖性增加，文本生成的可信度变得愈发重要。然而，现有的文本生成系统面临重大挑战，包括遗漏关键信息、生成不真实信息以及对输入数据中的噪声敏感等问题。确保生成内容的（1）信息性、（2）真实性和（3）鲁棒性对于维护用户信任以及坚持负责任的人工智能开发和部署标准至关重要。 在本论文中，我们设计了旨在解决这些问题的算法。我们选择摘要生成任务作为文本生成的代表性示例，因为它在生成的多样性和内容约束之间保持了平衡。首先，我们关注科学文献领域，特别是面向研究人员 ………………………………