arXiv cs.CL· Clemencia Siro, Laura Hollink·· 12 小时前AI 评分22
更多元数据反而误导：LLM 生成博物馆描述中的字段级接地问题研究
When More Metadata Misleads: Probing Field-Level Grounding in LLM-Generated Museum Descriptions
AI 导读
一项被 EMNLP 2026 Findings 接收的研究通过两阶段框架考察元数据构成如何影响 LLM 生成文物描述，发现元数据数量本身并不能解释生成行为。字段类型决定模型是接地、省略还是推断信息，图像既可能支持视觉接地，也可能增加无依据的解读。作者据此主张元数据条件的数据到文本评测应评估字段级与断言级支持，而非仅依赖输入覆盖率或参考相似度。
正文 · AI 翻译
摘要：元数据条件生成通常被框定为数据到文本任务，其中额外的输入字段应当改善基础定位。博物馆描述生成挑战了这一假设，因为目录记录是异构的、部分视觉化的，并且在不同地理区域记录不均。我们通过一个两阶段框架研究元数据构成如何塑造文物描述的生成。第一阶段分析大型博物馆收藏中自然元数据的变化，其中字段数量、字段类型、图像可用性和地点共同变化。第二阶段引入受控字段探针，在保持对象身份固定的同时改变元数据数量、字段类型和图像访问。我们的结果表明，仅元数据数量并不能解释生成行为。字段类型决定模型是基础定位、省略还是推断信息，而图像既可以支持视觉基础定位，也可能增加无依据的解读。更广泛地说，我们的发现表明，元数据条件的数据到文本评估应评估字段级和声明级的支持，而不是仅依赖聚合输入覆盖率或参考相似度。
| 评论： | 已被 EMNLP 2026 Findings 接收 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI）；数字图书馆（cs.DL）；机器学习（cs.LG） |
| ACM 分类： | I.2.7; H.3.1 |
| 引用为： | arXiv:2610.31193 [cs.CL] |
| （或 arXiv:2610.31193v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.31193 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Clemencia Siro [查看电子邮件]
[v1]
2026年10月22日星期四 12:41:12 UTC（4,457 KB）
来源：arXiv cs.CL · arxiv.org