PulseAugur
中
实时 10:48:45
English(EN) MASF: A Multi-Model Adaptive Selection Framework for Abstractive Text summarization

新框架使用多个模型改进文本摘要

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种多模型自适应摘要框架（MASF），以增强抽象文本摘要。该框架集成了多个经过微调的Transformer模型，每个模型为给定文章生成摘要。然后，一个自适应选择机制根据词汇相似性和语义相关性指标选择最佳摘要。MASF展示了卓越的性能，在CNN/DailyMail数据集上取得了最高的BERTScore（88.63%），并优于GPT3-D2、Falcon-7b和Mpt-7b等模型。 AI

影响 该框架可以提高各种类型内容的自动化文本摘要的质量和一致性。

排序理由 该集群包含一篇详细介绍文本摘要新框架的学术论文。[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 →

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Ahmed Alansary, Ali Hamdi ·

    MASF：用于抽象文本摘要的多模型自适应选择框架

    arXiv:2606.05494v1 Announce Type: new Abstract: Automatic text summarization has become increasingly important due to the rapid growth of digital textual information. This paper presents a Multi-Model Adaptive Summarization Framework designed to improve the robustness and quality…

相关话题