summarization task | BriefGPT

关键词summarization task

搜索结果 - 8

对比策略梯度：以监督友好的方式在序列级别上对齐 LLM
Reinforcement Learning 与 Large Language Models 的直接对齐方法之间存在悬殊，因此引入了 Contrastive Policy Gradient 算法来解决，在 Summarization 任务中
PDF9 days ago
探索使用提示的大型语言模型作为可解释的度量
本文描述了 IUST NLP 实验室在 Eval4NLP 2023 会议上提出的一种用于解释性评估的零样本基于提示的策略，该策略使用了大型语言模型（LLMs）来评估总结任务，并通过实验证明了 LLMs 在自然语言处理（NLP）中，特别是在总
PDF8 months ago
评估语言模型中的隐私风险：基于概括任务的案例研究
大型语言模型在自然语言处理领域取得了卓越的性能，但存在信息泄露的担忧。本研究关注总结任务，并研究了成员推断攻击：在对模型的 API 拥有黑盒访问权限的情况下，能否确定样本是否属于训练数据。我们利用文本相似性和模型对文档修改的抵抗力作为潜在的
PDF9 months ago
基于提示的长度控制生成与强化学习
我们提出了一种基于提示的长度控制方法，通过采用可训练或基于规则的奖励模型来影响大型语言模型的生成，从而实现长度可控的生成，该方法在广泛适用于类似 GPT 的大型语言模型的同时，显著提高了摘要任务中基于提示的长度控制的准确性。
PDF10 months ago
通过摘要对偶和显式大纲控制增强生成
提出了一种基于总结增强的两阶段生成框架，并提出了一种新颖的显式概要控制方法，用于更有效地利用生成的概要。
PDFa year ago
SuMe: 面向生物医学机制概述的数据集
本文介绍了生物医学机制总结任务，并利用少量手工标注的机制句子，训练了机制句子分类器以过滤大量的生物医学摘要并创建了一个包含 22k 实例的总结数据集。此外，我们还引入了 611k 实例的结论句子生成作为预训练任务，并基准测试了大型生物领域语
PDF2 years ago
在线数学问题标题自动生成
本文探讨了从复杂的数学问题中生成简洁的数学标题，提出了一种新的总结模型（MathSum），它使用指针机制和多头注意力机制增强数学表示，并在现实数据集中取得了显着的优越性能。
PDF5 years ago
利用去噪自编码器进行无监督的句子压缩
本研究通过加入噪声的方式进行了一个摘要任务来训练去噪自编码器从而实现了在不需要配对的语料库的情况下进行句子压缩。使用标准文本摘要数据集的人类评估表明，我们的模型与基于监督学习的语法正确性和意义保留基准相当，不需要目标数据，我们的无监督模型已
PDF6 years ago