意味ノイズはニューラル自然言語生成において重要である

ニューラル自然言語生成（NNLG）システムは、入力仕様とは無関係なテキストを生成する病理的出力が知られている。本論文では、異なる意味的制御機構を実装した最先端のNNLGモデルにおける意味的ノイズの影響を明らかにする。その結果、データのクリーニングによって意味的正確性が最大97％向上することが示され、同時に自然さ（流暢性）は維持されることが分かった。また、最も一般的な誤りは幻覚（hallucination）ではなく、情報の省略であることも明らかになった。