論文の概要: Detect, Remask, Repair: Diffusion Editing for Faithful Summarization of Evolving Contexts

• arxiv url: http://arxiv.org/abs/2606.12807v1
• Date: Thu, 11 Jun 2026 02:05:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.533504
• Title: Detect, Remask, Repair: Diffusion Editing for Faithful Summarization of Evolving Contexts
• Title（参考訳）: Detect, Remask, repair: Diffusion Editing for Faithful Summarization of Evolving Contexts
• Authors: Hao Zou, Zachary Horvitz, Chandhru Karthick, Zhou Yu, Kathleen McKeown,
• Abstract要約: 局所的忠実度修復について検討する: サポート済みコンテンツを保存しながら、既存の要約で古いスパンを更新する。 拡散型フレームワークであるDETECT-REMASK-REPAIRを提案する。 DialogSumとStreamSumの実験は、局所的な拡散修復が完全な書き換えに代わる制御可能な代替手段を提供することを示している。
• 参考スコア（独自算出の注目度）: 22.851983500501476
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Summaries of real-world events can become outdated as contexts evolve and new information arrives. A common response is to generate a new summary from the updated context, but full regeneration discards the previous draft, can obscure what changed, and may be unnecessary when only a few claims are unsupported. We study localized faithfulness repair: updating outdated spans in an existing summary while preserving supported content. We propose DETECT-REMASK-REPAIR, a diffusion-based framework that identifies, remasks, and repairs outdated regions with masked diffusion language models. To evaluate evolving-context summarization, we introduce StreamSum, a benchmark of synthetic event timelines. Experiments on DialogSum and StreamSum show that localized diffusion repair provides a controllable alternative to full rewriting: faithfulness-steered repair improves early drafts, one-step repair reduces repair cost to under half a second, with the framework enabling faithfulness-speed-preservation tradeoffs across datasets. We also find that the framework can provide a post-hoc correction step that improves faithfulness for autoregressive systems.
• Abstract（参考訳）: コンテキストが進化し、新しい情報がやってくるにつれて、現実世界の出来事の要約は時代遅れになる可能性がある。 一般的な反応は、更新されたコンテキストから新しい要約を生成することだが、完全なリジェネレーションは以前のドラフトを捨て、何が変わったのかを曖昧にし、いくつかのクレームがサポートされていない場合に不要になる可能性がある。 局所的忠実度修復について検討する: サポート済みコンテンツを保存しながら、既存の要約で古いスパンを更新する。 DeTECT-REMASK-REPAIRは,拡散言語モデルを用いて古い領域を識別し,再マスクし,修復する拡散ベースのフレームワークである。 進化するコンテキストの要約を評価するために,合成イベントタイムラインのベンチマークであるStreamSumを紹介する。 DialogSumとStreamSumの実験によると、局所的な拡散修復は完全な書き換えに代わる制御可能な代替手段である。忠実度ステアリングは初期ドラフトを改善し、一段階の修復は修復コストを半秒未満に削減し、フレームワークはデータセット間の忠実度-高速保存トレードオフを可能にする。 また、このフレームワークは自己回帰システムに対する忠実性を向上するポストホック補正のステップを提供することができる。

関連論文リスト

• PRISM: Prior Rectification and Uncertainty-Aware Structure Modeling for Diffusion-Based Text Image Super-Resolution [51.96078493242164]
  PRISMは単一ステップ拡散ベースのText-SRフレームワークである。 PRISMはミリ秒レベルの推論で最先端の性能を達成する。
  論文  参考訳（メタデータ） (2026-05-13T05:31:06Z)
• ResetEdit: Precise Text-guided Editing of Generated Image via Resettable Starting Latent [45.3757356193519]
  近年の拡散モデルにより高品質の画像生成が可能となり, ポストジェネレーションの需要が高まっている。 再生可能な潜伏情報を直接生成プロセスに埋め込むプロアクティブな拡散編集フレームワークであるResetEditを提案する。 安定拡散に基づいて構築されたResetEditは、既存のチューニング不要な編集メソッドとシームレスに統合され、制御性と視覚的忠実性の両方において、最先端のベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-04-28T02:05:08Z)
• FRESCO: Benchmarking and Optimizing Re-rankers for Evolving Semantic Conflict in Retrieval-Augmented Generation [73.22935457705057]
  時間的動的文脈における再ランカ評価のためのベンチマークであるFRESCOを紹介する。 レクエンシ検索クエリと過去のウィキペディアのリビジョンを組み合わせることで、FRESCOは、セマンティックな関連性を維持しながら、リランカが事実として最新の証拠を優先順位付けできるかどうかをテストする。 我々の評価では、既存の再ランカ間で一貫した障害モードが明らかになっている。
  論文  参考訳（メタデータ） (2026-04-14T17:04:25Z)
• FABLE: Fine-grained Fact Anchoring for Unstructured Model Editing [28.870053452479443]
  構造化されていないモデル編集は、実際のテキストでモデルを更新することを目的としている。 本稿では, 全体テキスト生成から微細なファクトインジェクションを分離する階層型フレームワークFABLEを提案する。 実験により、FABLEは最先端の総合的な編集性能を維持しながら、きめ細かい質問応答を大幅に改善することが示された。
  論文  参考訳（メタデータ） (2026-04-14T10:41:36Z)
• DocRevive: A Unified Pipeline for Document Text Restoration [8.164723249655319]
  本稿では,最先端の光学文字認識(OCR)と高度な画像解析を組み合わせた,新しい統合パイプラインを提案する。 各種文書劣化シナリオをシミュレートする,30,078個の文書画像の合成データセットを作成する。 拡散ベースのモジュールはテキスト、フォント、サイズ、アライメントをシームレスに再統合する。
  論文  参考訳（メタデータ） (2026-04-11T07:50:20Z)
• Agentic Context Engineering: Evolving Contexts for Self-Improving Language Models [18.829572148850563]
  ACE(Agentic Context Engineering)は、コンテキストを進化するプレイブックとして扱うフレームワークである。 エージェントとドメイン固有のベンチマークを通じて、ACEは一貫して強力なベースラインを上回っている。 ACEは、ラベル付けされた監視なしに効果的に適応することができ、代わりに自然な実行フィードバックを活用することができる。
  論文  参考訳（メタデータ） (2025-10-06T09:30:18Z)
• TextDestroyer: A Training- and Annotation-Free Diffusion Method for Destroying Anomal Text from Images [6.7015658051949]
  TextDestroyerは、シーンテキスト破壊のためのトレーニングおよびアノテーションなしのメソッドである。 提案手法は,復元前のガウス分布を用いて遅延開始符号中のテキスト領域をスクランブルする。 TextDestroyerの利点は、(1)労働集約型データアノテーションとリソース集約型トレーニングを排除し、(2)より徹底的なテキスト破壊を実現し、認識可能なトレースを防止し、(3)より優れた一般化能力を示し、現実世界のシーンと生成された画像の両方でうまく機能する。
  論文  参考訳（メタデータ） (2024-11-01T04:41:00Z)
• Counterfactual Cross-modality Reasoning for Weakly Supervised Video Moment Localization [67.88493779080882]
  ビデオモーメントのローカライゼーションは、自然言語クエリに従って、未トリミングされたビデオのターゲットセグメントを取得することを目的としている。 最近の研究は、マスキングクエリの再構築によって引き起こされるモダリティの類似性とは対照的である。 提案手法は, 対実的相互モダリティ推論法である。
  論文  参考訳（メタデータ） (2023-08-10T15:45:45Z)
• Factual Error Correction for Abstractive Summaries Using Entity Retrieval [57.01193722520597]
  本稿では,エンティティ検索後処理に基づく効率的な事実誤り訂正システムRFECを提案する。 RFECは、原文と対象要約とを比較して、原文から証拠文を検索する。 次に、RFECは、エビデンス文を考慮し、要約中のエンティティレベルのエラーを検出し、エビデンス文から正確なエンティティに置換する。
  論文  参考訳（メタデータ） (2022-04-18T11:35:02Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。