本论文提出了一种优化框架，设计用于平衡文章和评论摘要之间的主题连贯性以及其信息性和事件覆盖面。在真实数据集上自动评估表明，与现有系统相比，我们的系统生成的时间线更具信息性。在人类评估中，相关评论摘要更被认为具有洞察力。

Jun, 2016

通过引入背景新闻摘要机制，结合时间轴更新，我们构建了一个数据集，并通过人工标注人员为每个新闻事件的每个时间步骤编写了背景摘要。我们提出了一个问题导向的变体来生成背景摘要，并使用基于问答的评估指标 Background Utility Score（BUS）评估了摘要质量。实验结果表明，在 Fine-tuned 系统（如 Flan-T5）和零 - shot 性能强大的 GPT-3.5 的指导下，背景摘要表现出很好的效果。

Oct, 2023

探讨利用时间戳，如文档创建日期，将时间信息纳入到生成系统中的影响，研究时间感知提示的两种类型，并引入一个新的数据生成数据集 TempWikiBio，通过数据生成、文本传输和摘要三个数据集展示了使用线性提示和文本提示可以提高所有数据集的生成质量，线性提示对非时间信息更加关注，对时间敏感度较低，而文本提示可以产生更符合事实的时间信息。

Nov, 2022

本文介绍了自动新闻时间线摘要（TLS）的评估指标及方法并提出了最新的 TLR 数据集以及一种结合多种方法的简单而有效的策略，取得了比现有技术更好的结果。

May, 2020

本文首次尝试运用 Prompt Learning 模型中的 cloze-style 任务，设计了 Prompt4NR 框架，包含了离散、连续和混合模板，并使用 Prompt Ensemble 方法，成功提升了新闻推荐效果，实验采用了 MIND 数据集进行验证。

Apr, 2023

通过使用具有强大的自然语言理解和生成能力的 LLM，我们提出了一种新的新闻摘要生成方法，利用 LLM 从新闻段落中的事件中提取多个结构化事件模式，通过遗传算法演化事件模式的种群，并选择最适应的事件模式输入 LLM 来生成新闻摘要。实验结果表明，新闻摘要生成器能够生成准确可靠且具有一定泛化能力的新闻摘要。

Jul, 2023

本研究提出了一个新颖的问题，即视频时间轴建模，目的是通过一组与特定主题相关的视频创建与视频相关的时间轴，从而促进对所讲述故事的内容和结构的理解。通过构建一个现实的基准数据集 YouTube-News-Timeline，并提出了一套量化指标来全面评估和比较方法，我们进一步开发和评估了探索性的深度学习方法来解决这个问题。我们预计这项开拓性工作将为视频时间轴建模的进一步研究铺平道路。

Sep, 2023

本研究论文全面探索了自然语言处理领域中提示工程和生成的演变，从早期的语言模型和信息检索系统开始，追踪了多年来塑造提示工程的关键发展。

Sep, 2023

本论文提出了一种统一的时间轴摘要生成器 (UTS)，它可以按时间顺序生成抽象和抽取式时间轴摘要，其中图形事件编码器和事件级关注机制是关键组成部分，实现了最先进的性能水平。

Jan, 2023

本文介绍了一种使用神经语言模型的 zero-shot prompting 方法，在不需要监督训练的情况下解决 ad-hoc 语言任务。我们提出了 PromptIDE 工具，该工具可以帮助用户实验不同的提示词选择，以达到任务指标的优化和数据量的扩展。该工具已在多个现实世界的案例中得到了应用。

Aug, 2022