基于扩展任务提示的网络新闻时间线生成

新闻时间线的构建对于随时间推移全面且具背景地理解事件至关重要。该方法有助于识别在孤立查看新闻时可能被掩盖的模式与趋势。通过按时间顺序组织新闻，能够更轻松地追踪报道进展、理解事件间的相互关联，并把握新闻条目的更广泛影响。这在金融和保险等行业尤为有用，因为及时理解从极端天气到政治动荡和卫生危机等事件的发展，对于有效的风险管理不可或缺。尽管传统自然语言处理（NLP）技术已取得一定成功，但它们往往难以捕捉领域专家一眼便能看出的具有细微相关性的新闻，阻碍了在更广泛行业中的集成。大语言模型（LLMs）的发展为应对这一挑战提供了新机遇。然而，直接提示LLMs执行该任务通常无效。本研究探讨了应用扩展任务提示技术来评估过往新闻的相关性。我们证明，通过附加任务增强常规提示可提升其在多个新闻数据集上的有效性，使新闻时间线生成在专业应用中切实可行。本工作已部署为公开可用的浏览器扩展，并在我们的网络内被采用。