通过 SummVis 工具的词汇和语义可视化，可以进行对神经网络抽象文本摘要模型的深入探索和细致分析，帮助改善评估方法和数据分析工具的局限性。

Apr, 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

提供了 TL;DR Progress 工具，用于研究神经文本摘要的文献。该工具通过一个综合的注释方案，对 514 篇论文进行了组织，并实现了细粒度、多方位的检索。每篇论文都经过手工注释，捕捉了评估指标、质量维度、学习范式、解决的挑战、数据集和文档领域等方面。此外，针对每篇论文提供了简洁的提示性摘要，包括自动提取的上下文因素、问题以及提出的解决方案。该工具可在线访问，并提供了演示视频。

Feb, 2024

TrialsSummarizer 是一个基于神经多文档摘要系统的自动摘要系统，它可以检索与查询指定的条件、干预和结果匹配的随机对照试验出版物，并对这些研究进行排名。它提供了两种体系结构：基于 BART 的标准序列到序列模型和旨在为最终用户提供更大透明度的多头体系结构。但是，这些模型都存在引入不受支持语句的倾向，不适用于当前领域。所提出的架构可以帮助用户验证输出，使用户能够将生成的令牌追溯到输入。

Mar, 2023

SummHelper 是一个 2 阶段的摘要化助手，旨在促进人机协作，通过内容选择和内容整合两个阶段，平衡自动化指导和个人输入的机会，并生成一份凝练有序的摘要。

Aug, 2023

本文旨在简明扼要地阐述抽象文本摘要现状，强调需采用预训练编码器 - 解码器模型与大型自回归语言模型。此外，讨论了摘要系统评估的挑战和用于零 - shot 摘要的 instruction tuned 模型的潜力，最后概述了如何将摘要系统整合到商业应用中。

May, 2023

评估标准数据集、评估指标、模型三方面存在的问题，提出了数据集自动采集、评估不足以反映人类判断、模型样本不足多样化等三个主要问题，导致长文本摘要进展不一。

Aug, 2019

SummerTime 是一个用于文本摘要的完整工具包，包括各种模型，数据集和评估指标，可与 NLP 研究人员设计的库集成，并提供易于使用的 API，以定位和搜索自己数据中最佳模型，并可视化不同，同时提供解释以帮助用户了解模型的行为并选择最适合其需求的模型。

Aug, 2021

通过请高质量合同工人阅读原始文档并写出原始摘要，建立了 SQuALITY 数据集，该数据集的第一篇文章概述了主要内容，其余四篇回答了具体问题，实验证明现有自动摘要评估指标不是优秀的质量指标。

May, 2022

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