摘要由 AI 生成
研究人员提出了一种名为 DETECT-REMASK-REPAIR 的框架，旨在解决动态语境下摘要信息过时的问题。该框架利用掩码扩散语言模型，对现有摘要中的过时部分进行局部修复，以保留支持性内容。实验表明，该方法在 DialogSum 和 StreamSum（合成事件时间线基准）上有效提升了早期草稿的质量。其单步修复成本低于 0.5 秒，实现了忠实性、速度与保存之间的平衡。此外，该框架还可作为后处理步骤，提高自回归系统的忠实度。
关键实体KEY ENTITIES
DETECT-REMASK-REPAIRDialogSumStreamSum
报道态势 · 每日报道量LANGUAGE SPLIT
实体关系
信号强度SIGNALS
关键词热度
- DETECT-REMASK-REPAIR1
- StreamSum1
- DialogSum1
全部报道（1）SOURCES
↗
研究提出 DETECT-REMASK-REPAIR 框架，利用掩码扩散语言模型对现有摘要中的过时部分进行局部修复以保留支持内容。该框架在 DialogSum 和 StreamSum（合成事件时间线基准）上实验表明，基于忠实性的修复可提升早期草稿质量，单步修复成本降至 0.5 秒以下，并实现了忠实性、速度与保存之间的权衡；此外，该框架还能作为后处理步骤提高自回归系统的忠实度。