Arg-LLaDA：基于大语言扩散模型与充分性感知精炼的参数摘要
计算与语言
2025-11-21 v4
摘要
参数摘要旨在生成复杂、多视角辩论的简洁、结构化表示。虽然近期工作在参数成分的识别和聚类方面取得了进展，但生成阶段仍未得到充分探索。现有方法通常依赖单次生成，仅能提供有限的事实纠正或结构精炼支持。为填补这一空白，我们引入Arg-LLaDA，这是一个新型大语言扩散框架，通过充分性引导的遮蔽和再生成实现迭代性改进摘要。我们将灵活遮蔽控制器与充分性检查模块结合，以识别和修订不受支持、冗余或不完整的片段，从而产生更具忠实性、简洁性和连贯性的输出。实验结果表明，Arg-LLaDA在两个基准数据集上的七项十项自动评估指标中均超越了最先进的基线。此外，人类评估显示，其在核心维度、覆盖范围、忠实性和简洁性方面均实现了显著提升，验证了该迭代、充分性感知生成策略的有效性。
引用
@article{arxiv.2507.19081,
title = {Arg-LLaDA: Argument Summarization via Large Language Diffusion Models and Sufficiency-Aware Refinement},
author = {Hao Li and Yizheng Sun and Viktor Schlegel and Kailai Yang and Riza Batista-Navarro and Goran Nenadic},
journal= {arXiv preprint arXiv:2507.19081},
year = {2025}
}
备注
Preprint