TrueBrief：通过小型语言模型实现忠实摘要
计算与语言
2026-01-09 v1 人工智能
摘要
大型语言模型 (LLMs) 在生成高质量文本方面表现卓越，但其产生幻觉的倾向为在安全关键领域部署带来了重大挑战。本文提出 TrueBrief，一个专为增强小型语言模型 (SLMs) 主要用于文本摘要任务的忠实度而设计的端到端框架，通过偏好优化范式实现。我们框架的核心是数据生成模块，可用于注入可控幻觉以生成合成偏好数据。我们的工作提供了关于数据质量和模型规模对偏好优化影响的见解，揭示了这些方法最有效的适用条件。
引用
@article{arxiv.2601.04212,
title = {TrueBrief: Faithful Summarization through Small Language Models},
author = {Kumud Lakara and Ruibo Shi and Fran Silavong},
journal= {arXiv preprint arXiv:2601.04212},
year = {2026}
}