研究开发了一个抽象的邮件线索摘要数据集（EmailSum），并进行了广泛实证研究探索不同的摘要技术，结果发现当前抽象摘要模型存在理解发件人意图和识别发件人和收件人角色的挑战，并且 ROUGE 和 BERTScore 等自动评估指标与人类评价之间的相关性较弱。

Jul, 2021

本研究介绍了 SAMSum 语料库，这是一个新的抽象对话摘要数据集，研究人员使用多个模型进行测试，并将其结果与新闻文章语料库的结果进行比较，结果显示与人类评估者的判断相反，模型生成的对话摘要具有更高的 ROUGE 分数，这表明需要使用专用模型和非标准质量度量的抽象对话摘要这一具有挑战性的任务，据我们所知，这是引入高质量聊天对话语料库的第一次尝试，并手动注释了抽象摘要，可供研究人员进行进一步研究。

Nov, 2019

本研究提出了一种多视角序列到序列模型，其通过提取来自不同视角的非结构化日常聊天中的会话结构来表示会话，然后利用多视角解码器来合并不同视角生成对话摘要，在大规模对话摘要语料库上的实验结果表明，本研究方法在自动评估和人类判断方面均明显优于之前的最新模型。

Oct, 2020

本研究介绍了微博观点摘要（MOS）的任务以及共享了一个数据集，包含 3100 个金标准意见摘要，其中摘要是新闻记者根据模板区分事实信息（主要内容）和作者意见创建的。该研究提供了基于抽象和提取式自动摘要方法的实验结果，并证明精调可以提高自动摘要的性能。

Aug, 2022

在社交媒体如此发达的时代，我们提出了一个新的流程，其中部分自动化事实检查的生命周期可以节省人力和高认知任务。我们的方法是利用抽象摘要生成简洁的查询，这些查询可以在基于现有已核查实事的数据集的检索系统中执行。通过使用现有的摘要模型进行微调和开箱既食的摘要模型，我们获得了具有更好的检索表现，检索准确率提高了 3 倍，而基于原文查询的准确率仅为 10％。

Sep, 2022

使用大型语言模型生成指示性摘要对长时间讨论进行归纳总结，并通过用户研究证明其作为导航工具的便捷性。

Nov, 2023

用基于注意力机制的神经网络模型，依据重要性进行采样的方法，生成更优于现有方法的电影评论和争论的摘要。

Jun, 2016

本文对多方会议情境下的自动摘要这一任务涉及到的难点、数据集以及系统进行了综述，并介绍了未来的研究方向。

Aug, 2022

该研究提出了通过使用结构化图表来建模话语关系和行动三元组，并设计多粒度解码器来生成摘要的方法，从而实现更准确、精确的抽象对话摘要。实验结果表明，该模型在自动评估和人类判断方面优于现有方法，并在其他领域具有很强的泛化能力。

Apr, 2021

本文提出了一种将论证角色标注集成到摘要生成过程中以捕捉法律文件的论证结构的简单技术。使用预训练的语言模型进行的实验表明，我们提出的方法比强基线表现更好。

Sep, 2022