基于评分排序控制摘要生成
计算与语言
2026-04-21 v1
摘要
近期的摘要研究进展聚焦于通过联合优化多个维度来提高摘要质量，如完整性、简洁性和忠实性。然而，这些努力大多忽视了如何针对单个维度控制摘要生成的挑战，尤其是在这些维度固有的权衡面前。例如，提高简洁性可能损害完整性，反之亦然。在本文中，我们提出一种损失函数，使模型输出与来自FineSurE等细粒度模型评估分数（如完成度、简洁性和忠实性）对齐，从而实现摘要质量的提升和维度特定的控制。我们的做法在保持能够对单个质量维度进行选择性优先级排序的同时，提高了摘要的整体质量。在三个预训练模型（LLaMA、Qwen和Mistral）上的实验表明，我们的方法在性能上与当前最先进的摘要模型相当，独特之处在于提供了对单个质量维度的强大可控性。
引用
@article{arxiv.2604.17197,
title = {Learning to Control Summaries with Score Ranking},
author = {Hongye Liu and Liang Ding and Ricardo Henao},
journal= {arXiv preprint arXiv:2604.17197},
year = {2026}
}