科研方面：

读两篇论文。

SUMMAC: Re-Visiting NLI-based Models for  Inconsistency Detection in Summarization

该文章也是对忠诚型幻觉的检测，使用的方法是分类器。该分类器是基于自然语言推理（NLI）对摘要和原文进行不同粒度的一对一分类，其中效果最好的是按照句子对句子的粒度进行分类。除了方法上的贡献外，文章引入了一个新的基准测试，称为SUMMAC Benchmark，它包含了六个最大的摘要一致性数据集，这些数据集被标准化为使用相同的分类任务。

Multi-Dimensional Evaluation of Text Summarization with In-Context Learning

该文章是利用现有的大模型如gpt-4o对摘要任务进行一个“多维度”的评判。该文章使用上下文学习的方式，为大模型输入不同的prompt使大模型对不同的维度进行评判。

项目方面：

改进生成工作流的prompt使其更加简洁直接，学习git以便更方便的获取最新代码并创建自己的分支，防止新加入的代码和其他人改进的代码起冲突。

下周任务：继续读论文，将改进后的代码上传到自己的分支。