介绍了 Summary Explorer 工具，它通过在三个基准数据集上编译 55 种最先进的单文档摘要方法的输出，并在定性评估过程中进行视觉探索以支持文本摘要系统的手动检查。该工具考虑了三个著名的摘要质量标准（覆盖率、真实性和位置偏差），并通过定制的可视化引导评估进行了封装。该工具补充了现有的本地调试摘要模型方法，并对其进行了改进。工具可在 https URL 上获得。

Aug, 2021

本文介绍 Summary Workbench，这是一个用于开发和评估文本摘要模型的新工具，它可以轻松集成基于 Docker 的插件，以便针对任何输入检查其摘要质量并使用各种评估指标进行评估。

Oct, 2022

本文针对现有的缺陷和问题，提出了五个维度的解决方案，从而能够扩大文本摘要的评估标准，并且进一步研究出与人类判断更加相关的评价指标。

Jul, 2020

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

本文通过跨数据集设置，对 11 种代表性的文本摘要模型在不同领域的 5 个数据集上的性能进行了深入分析，揭示了模型的架构和生成方式（抽象和抽取），以及预训练的嵌入式知识对模型泛化能力的影响。

Oct, 2020

本文提出通过辅助任务来改善多模态主动摘要中的视觉特征质量，包括视觉到摘要任务和掩蔽图像建模任务，从而优化多模态主动摘要模型。实验结果在 44 种语言中验证了该方法的有效性和优越性。

Dec, 2022

本研究提出了一种交互式系统 Summit，它使用可扩展的汇总和可视化技术，发现和总结神经网络模型的功能和如何交互以做出预测，从而帮助用户将复杂深度学习模型转化为紧凑而易于理解的可视化，同时可以发现神经网络对于海量图片分类的表示学习进行多方面的分析和未来架构设计的指导。

Apr, 2019

本文提出了一种基于神经网络的无监督自动编码器架构，用于进行商品评论的抽象摘要，通过自动化指标和人类评估表明，该模型生成的摘要高度抽象、流畅、相关，并代表了输入评论的情感倾向。

Oct, 2018

提出一种新方法，利用文本和图像数据中摘要值得特征，并采用大规模生成预训练语言模型生成视频的多模态生成式摘要，相比其他基线方法，我们的方法在三个公共数据集上的表现是最好的。

May, 2023

本文介绍了 ChartSumm 数据集，它是一个大规模的基准数据集，由 84,363 个图表及其元数据和描述组成，涵盖了各种主题和图表类型。该数据集可用于生成短和长的摘要，用以提供给视障人士以及为其他数据驱动模型的训练提供基础。通过使用 ChartSumm 数据集进行大量实验，发现仍有调查的空间，如资料遗漏，产生幻觉，以及对图表中复杂趋势的不恰当解释。作者研究了扩展 ChartSumm 数据集以适用于其他语言的潜力，这使我们的数据集成为未来研究的有挑战性的基准。

Apr, 2023