检测、重新屏蔽、修复：忠实总结不断变化的上下文的扩散编辑

随着环境的发展和新信息的到来，现实世界事件的摘要可能会变得过时。常见的响应是根据更新的上下文生成新的摘要，但完全重新生成会丢弃以前的草稿，可能会掩盖更改的内容，并且当只有少数声明不受支持时可能是不必要的。我们研究本地化的 忠实性 修复：更新现有摘要中过时的范围，同时保留支持的内容。我们提出了 DETECT-REMASK-REPAIR，这是一种基于扩散的框架，可以使用屏蔽扩散语言模型来识别、重新屏蔽和修复过时的区域。为了评估不断演变的上下文摘要，我们引入了 StreamSum，这是合成事件时间线的基准。 DialogSum 和 StreamSum 上的实验表明，局部扩散修复为完全重写提供了一种可控的替代方案：忠实性 引导修复改进了早期草稿，一步修复将修复成本降低到半秒以下，该框架支持跨数据集的 忠实性 速度保留权衡。我们还发现该框架可以提供事后校正步骤，改进自回归系统的 忠实性。