HeSum：一个面向希伯来语抽象式文本摘要的新型数据集
计算与语言
2025-07-14 v3 人工智能
摘要
尽管大型语言模型（LLM）在英语的各种自然语言任务中表现出色，但它们在希伯来语等资源较少的语言上的性能，尤其是在抽象式摘要等生成任务上，仍不清楚。希伯来语高度的形态丰富性，由于句子理解的歧义性和意义构建的复杂性，进一步增加了挑战。在本文中，我们通过引入HeSum来弥补这一资源和评估上的空白，HeSum是一个专门为现代希伯来语抽象式文本摘要设计的新型基准测试集。HeSum包含10,000对文章-摘要对，这些对来自希伯来语新闻网站，由专业人士撰写。语言分析证实了HeSum的高抽象性和独特的形态学挑战。我们表明，HeSum为当代最先进的LLM带来了独特的困难，使其成为希伯来语生成语言技术以及一般形态丰富语言（MRL）生成挑战的一个有价值的测试平台。
引用
@article{arxiv.2406.03897,
title = {HeSum: a Novel Dataset for Abstractive Text Summarization in Hebrew},
author = {Tzuf Paz-Argaman and Itai Mondshine and Asaf Achi Mordechai and Reut Tsarfaty},
journal= {arXiv preprint arXiv:2406.03897},
year = {2025}
}