説明可能な推薦モデルの事実整合性について

この論文は、説明可能な推薦システムにおける重要な問題、つまり生成された説明の事実整合性について取り組んでいます。説明の流暢さ（LLMを通じて達成）と事実の正確さの間に大きなギャップがあることを強調しています。著者は、グラウンドトゥルースを作成するためのプロンプトベースのパイプラインや、ステートメントレベルのアライメントメトリックなど、事実性を評価するための新しいフレームワークを導入しています。調査結果は、現在のモデルが、高い意味的類似性を達成しているにもかかわらず、事実整合性に苦労していることを明らかにし、事実性認識評価と、より信頼できるシステムの開発の必要性を強調しています。