摘要

我们提出了一种新方法，用于生成具有多样化内容和不同长度的目标摘要的多个变体，随后根据用户需求对这些摘要进行评分并筛选出符合要求的版本。基于单一参考摘要训练的抽象式摘要模型在生成同时具备多种理想属性的摘要时可能面临挑战，例如：准确捕捉核心信息、忠实于原文、语法正确且语言流畅。本文中，我们提出一种两阶段策略：第一阶段从源文本生成一组多样化的候选摘要；第二阶段对候选摘要进行评分并筛选出符合要求的版本。尤为重要的是，我们的生成器能够对摘要长度实现精确控制，尤其适用于空间受限的场景。我们的筛选器旨在预测最优摘要长度，并特别强调对原文的忠实性。两个阶段均可有效训练、优化与评估。在基准摘要数据集上的实验结果表明，该范式能够达到当前最先进的性能水平。