ToTTo : Un jeu de données contrôlé pour la génération de texte à partir de tableaux

Nous présentons ToTTo, un jeu de données en anglais pour la génération de texte à partir de tableaux dans un domaine ouvert, comprenant plus de 120 000 exemples d'apprentissage, qui propose une tâche de génération contrôlée : étant donné une table Wikipedia et un ensemble de cellules sélectionnées, produire une description en une seule phrase. Pour obtenir des cibles générées naturelles tout en restant fidèles à la table source, nous introduisons un processus de construction du jeu de données où les annotateurs révisent directement des phrases candidates existantes issues de Wikipedia. Nous présentons des analyses systématiques de notre jeu de données et de notre processus d'annotation, ainsi que les résultats obtenus par plusieurs modèles de pointe. Bien que ces méthodes soient généralement fluides, elles ont tendance à générer des phrases hallucinées non justifiées par la table, ce qui suggère que ce jeu de données peut servir de référence utile pour la recherche en génération textuelle conditionnelle à haute précision.