English(EN) Lost-in-the-Middle in Long-Text Generation: Synthetic Dataset, Evaluation Framework, and Mitigation

新的RAL-Writer框架解决了长文本生成中的“中间迷失”问题

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-15 04:00

研究人员推出了一种名为RAL-Writer的新型框架，旨在解决长文本生成中的“中间迷失”现象。该问题会导致大型语言模型忽略长输入中嵌入的关键信息，从而产生不连贯的输出。RAL-Writer采用一个Planner来规划写作步骤，以及一个Writer来通过模拟语义相关性和位置偏差来策略性地检索和重述重要的输入片段。该团队还开发了一个新的基准数据集和评估指标，以评估长输入到长输出的生成能力。 AI

影响这项研究解决了LLM的一个关键限制，有可能提高其处理和生成连贯长篇内容的能力。

排序理由该集群包含一篇研究论文，详细介绍了用于长文本生成的新框架和数据集。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 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: 16 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇研究论文，详细介绍了用于长文本生成的新框架和数据集。[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, model release; 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: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Junhao Zhang, Richong Zhang, Fanshuang Kong, Ziyang Miao, Yanhan Ye, Yaowei Zheng · 2026-09-15 04:00

长文本生成中的“迷失中间”：合成数据集、评估框架及缓解方法

arXiv:2503.06868v2 Announce Type: replace-cross Abstract: Existing long-text generation methods produce lengthy outputs from short inputs, leaving long-input-to-long-output generation underexplored. As input length increases, LLMs increasingly overlook information in the middle o…

本文如何被排名

报道来源 [1]

长文本生成中的“迷失中间”：合成数据集、评估框架及缓解方法

相关实体

相关话题