演示文稿并非总是线性的！GNN 遇上 LLM：基于归因的文档到演示文稿转换
计算与语言
2024-05-24 v1 人工智能
摘要
从长文档文本自动生成演示文稿是一个具有挑战性且有用的问题。与扁平摘要不同，演示文稿需要具备更好且非线性的叙事，即幻灯片的内容可以来自给定文档的不同且不连续的部分。然而，很难将这种内容到幻灯片的非线性映射结合起来，并确保内容忠实于文档。LLM 容易产生幻觉，且其性能会随着输入文档长度的增加而下降。为此，我们提出了一种新颖的基于图的解决方案，其中我们从输入文档中学习一个图，并使用图神经网络和 LLM 的组合来生成演示文稿，并为每张幻灯片提供内容归因。我们进行了全面的实验，以展示我们的方法相比于直接使用 LLM 完成此任务的优越性。
引用
@article{arxiv.2405.13095,
title = {Presentations are not always linear! GNN meets LLM for Document-to-Presentation Transformation with Attribution},
author = {Himanshu Maheshwari and Sambaran Bandyopadhyay and Aparna Garimella and Anandhavelu Natarajan},
journal= {arXiv preprint arXiv:2405.13095},
year = {2024}
}
备注
This paper is under review in a conference