English(EN) Fair Document Valuation in LLM Summaries via Shapley Values

新框架提议为 LLM 摘要内容提供公平补偿

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-10 04:00

一篇新的研究论文提出了一个使用 Shapley 值来解决大型语言模型 (LLM) 摘要内容创作者公平补偿问题的框架。该方法称为 Cluster Shapley，通过使用 LLM 嵌入对相似文档进行分组，来近似计算成本高昂的 Shapley 值。此方法旨在确保原创内容创作者在他们提供的信息被用于 LLM 生成的摘要时，能够得到适当的署名和补偿，随着 LLM 越来越多地驱动搜索引擎和 AI 助手，这是一个日益增长的问题。 AI

影响可能在 AI 驱动的摘要时代为内容署名和补偿建立新标准。

排序理由研究论文提出了一种在 LLM 摘要中进行文档估值的新方法。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 研究论文提出了一种在 LLM 摘要中进行文档估值的新方法。 [lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 90 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Zikun Ye, Hema Yoganarasimhan · 2026-07-10 04:00

通过 Shapley 值实现 LLM 摘要中的公平文档估值

arXiv:2505.23842v5 Announce Type: replace Abstract: Large Language Models (LLMs) increasingly power search engines and AI assistants that retrieve and summarize content from many sources. By serving answers directly, these systems obscure the original content creators' contributi…

本文如何被排名

报道来源 [1]

通过 Shapley 值实现 LLM 摘要中的公平文档估值

相关实体

相关话题