两部分：30位同学

Part 1：机器写的或者是人写的

1. 挑选我们的模型生成的单张图的质量好一点的50篇摘要
2. 随意选取数据集给的gt的50篇摘要（不需要对应）
3. 打乱顺序让评判者评判每一个样本是否是人写的
4. 最后分析gt中有多少被判为人写的，模型生成中有多少被判为人写的

Part 2：哪一个写的更好

1. 挑选我们的模型生成的组合图的质量好一点的50篇摘要
2. 挑选对应的50篇摘要用SOTA模型生成的（需要对应）
3. 让评判者对应两个选择哪一个写的更好（根据语法 流畅度 逻辑）

1. test the whole validation

   python eval.py dataset/single_our.txt dataset/single_gt.txt
   

2. choose the top-50 bleu_4 using the gt; the output file will be saved in the results

   python eval_single.py dataset/single_our.txt dataset/single_gt.txt
   

3. choose the top-100 from group_graph

   python eval_group.py dataset/group_our_1w.txt