CL-SciSumm Shared Task 2018 was held as part of SIGIR's Annual Conference, which focused on scientific document summarization in the computational linguistics domain, evaluated using two metrics and providing datasets for the community.

Sep, 2019

本文讨论对话摘要的 DialogSum Challenge 中四个团队使用自动和人工评估度量探索改进对话摘要性能的结果，并发现人工评估和自动评估之间存在巨大差距，需要更细致的评估方法。

Aug, 2022

提供了一个由领域专家精心制作和评估的新型摘要数据集 ACLSum，集成了多个方面的科学论文摘要，通过对预训练语言模型和最先进的大型语言模型（LLMs）的性能进行广泛实验，探索学术领域中抽取式与生成式摘要的有效性，结果证实了在学术领域中端到端基于方面的摘要的普遍优越性。

Mar, 2024

本论文介绍了在 ACL 2023 的 BioNLP 研讨会上举办的生物医学研究文章 Lay Summarisation 的共享任务的结果，并报告了总体结果和吸引了 20 支参赛队伍的设置和见解。

Sep, 2023

介绍了一个用于在对话文档上建立跨语言摘要系统的基准数据集 ClidSum，该数据集包含来自两个子集（即 SAMSum 和 MediaSum）的 67k + 对话文档和 112k + 不同目标语言的注释摘要。 并在基于 ClidSum 提出了两个监督和半监督场景的基准设置，接着构建了各种基线系统和在 ClidSum 上进行了广泛的实验来提供更深入的分析。最后提出了 mDialBART，该模型通过进一步预训练扩展了 mBART-50（一种多语言 BART），在实验结果中优于 ClidSum 上的强流水线模型，提出了这项任务当前面临的特定挑战并为未来研究提供了多个有前途的方向。

Feb, 2022

介绍了在创意领域中文本摘要的共享任务，其中包括文学文本、电影剧本和电视剧本，此任务需要进行复杂的文学解释，在各种类型的情节发展和叙述结构的文本中理解非平凡的时间依赖性，共有 4 个子任务及其相应的数据集，着重于总结图书、电影剧本、黄金时段电视剧本和白天肥皂剧的故事情节，讨论了该任务的评估指标、共收到 18 份投稿以及未来工作的方向。

Nov, 2022

SciBERTSUM 是一种针对科学论文的摘要框架，通过增加节嵌入层和应用稀疏注意力机制，在长文本（超过 500 句）中表现出更好的 ROUGE 分数。

Jan, 2022

该论文提出了一种新的解决方案，通过开发和发布一个大规模的、手动注释的科学论文语料库，并提出了将作者的原始亮点（摘要）和文章对社区的实际影响（引用）整合的摘要方法，创建全面的、混合型摘要。我们进行了实验，证明了我们的语料库在训练数据驱动模型的科学论文摘要中的功效以及我们的混合型摘要优于摘要和传统的基于引用的摘要。这个大规模的注释语料库和混合方法提供了一个新的科学论文摘要研究框架。

Sep, 2019

本文探讨了利用 Transformer-based 系统概括多领域科学研究论文的问题，并设计了两种不同类型的概述手段，即 LaySumm 和 LongSumm，使用 ROUGE 指标有效评估了本文系统的优越性。

Jan, 2021

本文提出了一个概念简单但实践强大的抽象摘要框架 SimCLS，通过将文本生成任务转化为无参考质量估计问题（即质量评估），辅之以对比学习，能够弥合目前主导的序列到序列学习框架的学习目标与评估度量之间的差距。实验结果表明，SimCLS 可以在对现有最高分系统进行轻微修改的情况下，大幅改善其性能。在 CNN/DailyMail 数据集上，相对于 BART 的 ROUGE-1 取得了 2.51 的绝对改进和相对于 PEGASUS 的 2.50 的绝对改进，将最新的性能推向了一个新水平。我们已开源我们的代码和结果。同时，我们提出的模型已被部署到 ExplainaBoard 平台上，允许研究人员更细致地了解我们的系统。

Jun, 2021