Fugu-MT 論文翻訳(概要): Plans for Evaluating Structured Generative Search Summaries

論文の概要: Plans for Evaluating Structured Generative Search Summaries

arxiv url: http://arxiv.org/abs/2605.26400v1
Date: Tue, 26 May 2026 00:08:21 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-27 17:51:41.510432
Title: Plans for Evaluating Structured Generative Search Summaries
Title（参考訳）: 構造的生成的検索サプリメントの評価計画
Authors: Tetsuya Sakai, Jina Lee, Hanpei Fang, Young-In Song,
Abstract要約: 本稿では,有機Web検索結果上に配置された構造的生成検索サマリーを評価するためのフレームワークを提案する。構造化された要約は、大言語モデルによって生成され、概して概要、いくつかのセクションのタイトル、およびソースドキュメントのリストから構成される。
参考スコア（独自算出の注目度）: 11.728155428694889
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: We propose a framework for evaluating structured generative search summaries that are placed atop organic web search results. A structured summary, generated by a large language model, typically consists of an overview, several sections with section titles, and a list of source documents that are cited within the summary. We then describe our plans for implementing and evaluating the framework.
Abstract（参考訳）: 本稿では,有機Web検索結果上に配置された構造的生成検索サマリーを評価するためのフレームワークを提案する。構造化された要約は、大言語モデルによって生成され、概して概要、いくつかのセクションのタイトル、要約の中で引用されるソース文書のリストから構成される。次に、フレームワークの実装と評価の計画を説明します。

関連論文リスト

SPIRE: Structure-Preserving Interpretable Retrieval of Evidence [0.09558392439655013]
木構造ドキュメント上で動作する構造対応検索パイプラインを提案する。私たちは、ドキュメントプリミティブの小さなセット、パスとパスセットを定義します。グローバルな文脈化は、選択を理解不能にするために必要な非局所的な足場を追加する。局所的な文脈化は、その構造領域内での種選択を拡張して、コンパクトで文脈に富んだビューを得る。
論文参考訳（メタデータ） (2026-02-12T03:46:10Z)
DeepSynth-Eval: Objectively Evaluating Information Consolidation in Deep Survey Writing [53.85037373860246]
本稿では,情報統合能力を客観的に評価するためのベンチマークであるDeep Synth-Evalを紹介する。一般チェックリスト(実例)と制約チェックリスト(構造体)を用いたきめ細かい評価プロトコルを提案する。その結果,エージェント型プラン・アンド・ライトは単ターン生成よりも大幅に優れていた。
論文参考訳（メタデータ） (2026-01-07T03:07:52Z)
DREAM: Document Reconstruction via End-to-end Autoregressive Model [53.51754520966657]
本稿では、文書再構成に特化した革新的な自己回帰モデルについて述べる。文書再構成タスクの標準化定義を確立し,文書類似度基準(DSM)とDocRec1Kデータセットを導入し,タスクの性能を評価する。
論文参考訳（メタデータ） (2025-07-08T09:24:07Z)
Hierarchical Indexing for Retrieval-Augmented Opinion Summarization [60.5923941324953]
本稿では,抽出アプローチの帰属性と拡張性と,大規模言語モデル(LLM)の一貫性と拡散性を組み合わせた,教師なし抽象的意見要約手法を提案する。我々の方法であるHIROは、意味的に整理された離散的な階層を通して文を経路にマッピングするインデックス構造を学習する。推測時にインデックスを投入し、入力レビューから人気意見を含む文群を識別し、検索する。
論文参考訳（メタデータ） (2024-03-01T10:38:07Z)
Leveraging Collection-Wide Similarities for Unsupervised Document Structure Extraction [61.998789448260005]
本稿では,コレクション内の文書の典型的構造を特定することを提案する。任意のヘッダのパラフレーズを抽象化し、各トピックを各ドキュメントのロケーションにグルーピングします。文書間の類似性を利用した教師なしグラフベース手法を開発した。
論文参考訳（メタデータ） (2024-02-21T16:22:21Z)
Bringing Structure into Summaries: a Faceted Summarization Dataset for Long Scientific Documents [30.09742243490895]
FacetSumは、Emeraldのジャーナル記事上に構築された顔の要約ベンチマークである。データセットの分析と実験結果から,構造を要約に組み込むことの重要性が明らかになった。我々は、FacetSumが要約研究のさらなる進歩を促し、NLPシステムの開発を促進すると信じている。
論文参考訳（メタデータ） (2021-05-31T22:58:38Z)
Text Summarization with Latent Queries [60.468323530248945]
本稿では,LaQSumについて紹介する。LaQSumは,既存の問合せ形式と抽象的な要約のための文書から遅延クエリを学習する,最初の統一テキスト要約システムである。本システムでは, 潜伏クエリモデルと条件付き言語モデルとを協調的に最適化し, ユーザがテスト時に任意のタイプのクエリをプラグイン・アンド・プレイできるようにする。本システムでは,クエリタイプ,文書設定,ターゲットドメインの異なる要約ベンチマークにおいて,強力な比較システムの性能を強く向上させる。
論文参考訳（メタデータ） (2021-05-31T21:14:58Z)
StructSum: Summarization via Structured Representations [27.890477913486787]
抽象テキスト要約は、長い資料の情報を要約した要約に圧縮することを目的としている。モデリング技術の進歩にもかかわらず、抽象的な要約モデルは依然としていくつかの重要な課題に悩まされている。本稿では,これらの課題に対処するための要約のための文書レベルの構造誘導に基づくフレームワークを提案する。
論文参考訳（メタデータ） (2020-03-01T20:32:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。