MemSum ：基于多步情景马尔可夫决策过程的 长文档摘要提取
创建于 更新于
摘要
本报告介绍MemSum，一种基于多步情景马尔可夫决策过程与强化学习的长文档提取式摘要模型。MemSum通过融合局部句子编码、全局上下文编码和提取历史编码器，能够动态迭代选择摘要句子并智能停止提取，有效降低冗余度。模型在PubMed、arXiv和GovReport等长文档数据集上取得SOTA性能，优于现有抽取与抽象摘要方法，且人工评估显示摘要质量和紧凑性均领先竞争模型。文中消融实验进一步验证了提取历史编码和自动停止机制对模型性能的关键作用。[pidx::0][pidx::3][pidx::9][pidx::11][pidx::12][pidx::14]
