BOE-XSUM：西班牙法律法令与通告的清晰语言极简摘要
计算与语言
2025-09-30 v1
摘要
由于信息过载，对长文档进行简明摘要的能力在日常生活中日益重要，然而对于一般的西班牙语文档，尤其是法律领域的文档，此类摘要显著匮乏。在本工作中，我们提出了 BOE-XSUM，这是一个精心整理的数据集，包含 3,648 条简明、平实语言的摘要，其源文档来自西班牙的“国家官方公报”（BOE）。数据集中的每个条目均包含一段简短摘要、原文及其文档类型标签。我们评估了在 BOE-XSUM 上微调的中型大型语言模型（LLM）的性能，并在零样本设置下将其与通用生成模型进行了比较。结果表明，微调后的模型显著优于其非专业化对应模型。值得注意的是，表现最佳的模型——BERTIN GPT-J 6B（32 位精度）——相较于顶级零样本模型 DeepSeek-R1 实现了 24% 的性能提升（准确率分别为 41.6% 和 33.5%）。
引用
@article{arxiv.2509.24908,
title = {BOE-XSUM: Extreme Summarization in Clear Language of Spanish Legal Decrees and Notifications},
author = {Andrés Fernández García and Javier de la Rosa and Julio Gonzalo and Roser Morante and Enrique Amigó and Alejandro Benito-Santos and Jorge Carrillo-de-Albornoz and Víctor Fresno and Adrian Ghajari and Guillermo Marco and Laura Plaza and Eva Sánchez Salido},
journal= {arXiv preprint arXiv:2509.24908},
year = {2025}
}
备注
Published in SEPLN 2025. 20 pages, 4 figures