使用 LLM 和知识图进行多文档摘要的无需训练代理混合框架

摘要

多文档摘要 (MDS) 在从文本数据集合中提取重要信息方面发挥着关键作用。现有的方法通常难以捕获复杂的文档间关系，严重依赖大量标记数据进行监督训练，或者在跨领域和语言方面表现出有限的泛化能力。为了解决这些限制，我们提出了一个 MDS 的无需训练代理混合框架，该框架利用了大语言模型 (LLM) 和知识图的互补优势。我们的方法将摘要分解为专门的代理任务：提取选择、知识感知抽象和迭代细化，每个操作都不需要特定于任务的微调。我们使用 LLM 指导的多视角一致性机制来统一他们的输出。在英语和越南语的四个数据集上进行的实验展示了最先进的或有竞争力的性能，验证了我们模块化设计的有效性和适应性。