来源一致性指标会漏掉模型改写故事时放大的问责失真。
资讯摘要
论文指出，用来源一致性衡量模型改写真实事件会误判：在重构任务中，偏离来源可能是目标，按原标准会把有意偏离算作错误，放宽标准又会放过真实失真。作者让三个模型家族把2000篇新闻改写成摘要和故事，按五个W逐轴测量变化，并判断每处失真是否由指定视角合理支撑，约三分之一被排除。时间与方式被替换而非丢失，地点与因果丢失了承载表达；问责失真在摘要中少见，在故事中最高升至七倍，其中可判方向者三分之二减轻了施害者责任。此类失真能通过声明级事实核查，且改写文本语法更干净。作者发布ReTold-2k语料及评分协议和逐评审基线。
要点速读
- 三个模型家族将2000篇新闻改写为摘要和故事，按五个W逐轴测量变化并判断失真是否由视角合理支撑。
- 问责失真在摘要中几乎不出现，在故事中最高升至七倍，可判方向者中三分之二减轻施害者责任。
- 作者发布ReTold-2k可重构语料，附评分协议与未聚合的逐评审基线。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。