Enhancing LLM with Evolutionary Fine Tuning for News Summary Generation

要約

ニュース概要の生成は、インテリジェンス分析の分野における重要なタスクであり、人々が複雑な現実世界の出来事をよりよく理解し、対応できるようにするための正確かつ包括的な情報を提供します。
しかし、従来のニュース概要生成方法にはいくつかの課題があり、モデル自体やトレーニングデータの量、テキストノイズの影響などによって制限され、信頼できる情報を正確に生成することが困難です。
この論文では、強力な自然言語理解と生成機能を備えた LLM を使用したニュース概要生成の新しいパラダイムを提案します。
LLM を使用して、ニュースの段落に含まれるイベントから複数の構造化されたイベント パターンを抽出し、遺伝的アルゴリズムでイベント パターンの母集団を進化させ、LLM に入力する最も適応的なイベント パターンを選択してニュースの概要を生成します。
ニュース概要ジェネレーター (NSG) は、イベント パターン母集団を選択および展開し、ニュース概要を生成するように設計されています。
実験結果は、ニュース概要ジェネレーターがある程度の一般化能力を備えた正確で信頼性の高いニュース概要を生成できることを示しています。

要約(オリジナル)

News summary generation is an important task in the field of intelligence analysis, which can provide accurate and comprehensive information to help people better understand and respond to complex real-world events. However, traditional news summary generation methods face some challenges, which are limited by the model itself and the amount of training data, as well as the influence of text noise, making it difficult to generate reliable information accurately. In this paper, we propose a new paradigm for news summary generation using LLM with powerful natural language understanding and generative capabilities. We use LLM to extract multiple structured event patterns from the events contained in news paragraphs, evolve the event pattern population with genetic algorithm, and select the most adaptive event pattern to input into the LLM to generate news summaries. A News Summary Generator (NSG) is designed to select and evolve the event pattern populations and generate news summaries. The experimental results show that the news summary generator is able to generate accurate and reliable news summaries with some generalization ability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google