文本摘要相关 AI 资讯 · AITOP · AI热报

7月14日

09:42

09:42

官方账号arXiv cs.AI@Praveenkumar Katwe, Rakesh Chandra Balabantaray, Kali Prasad Vittala

该研究提出了三个抽象性度量指标：Reference Abstraction (RA)、Summary Abstraction (SA) 和 Abstraction Ratio (AR)，用调和均值与立方非重叠因子量化摘要偏离原文摘抄的程度。在100篇XSUM文档上对BART-large-cnn、Pegasus-xsum、DistilBart、MT5-small四个模型测试，SA在提取式模型（0.12-0.26）与抽象式模型（0.96-1.77）间有显著区分。AR指标还能识别需人工核查幻觉的摘要。代码和数据开源在GitHub。

论文 BART Pegasus XSUM

推荐理由：论文提出了三个新指标，能清楚区分提取式和抽象式摘要，还能帮你发现幻觉问题，比ROUGE更深入。

6月29日

10:06

10:06

官方一手arXiv: DeepSeek@Aniket Deroy, Kripabandhu Ghosh, Saptarshi Ghosh

该论文提出一种受树状思维（Tree-of-Thoughts）启发的提取-抽象混合方法，用于法律判决摘要生成。实验使用DeepSeek和LLama两种LLM，对比了纯提取、纯抽象及混合式摘要。结果显示，混合式提示生成的摘要质量优于其他类型提示。

论文 DeepSeek LLama Tree-of-Thoughts

推荐理由：这篇论文把思维树和提取-生成结合起来做法律摘要，用DeepSeek和Llama对比，发现混合方法效果更好。