Leveraging Large Language Models for Zero-shot Lay Summarisation in Biomedicine and Beyond

要約

この研究では、大規模言語モデルのゼロショット レイ要約への適用を検討します。
我々は、現実のプロセスに基づいた素人要約のための新しい 2 段階フレームワークを提案し、この方法で生成された要約は、より大きなモデルに対して人間の裁判官によってますます好まれていることがわかりました。
ゼロショット設定で LLM を採用するためのベスト プラクティスを確立するために、私たちは LLM の審査員としての能力も評価し、LLM が人間の審査員の好みを再現できることを確認しました。
最後に、自然言語処理 (NLP) 記事のレイ要約に向けた最初のステップを踏み、LLM がこの新しい領域に一般化できることを発見し、綿密な人間の視点を介して提案されたアプローチによって生成された要約のより大きな有用性をさらに強調します。
評価。

要約(オリジナル)

In this work, we explore the application of Large Language Models to zero-shot Lay Summarisation. We propose a novel two-stage framework for Lay Summarisation based on real-life processes, and find that summaries generated with this method are increasingly preferred by human judges for larger models. To help establish best practices for employing LLMs in zero-shot settings, we also assess the ability of LLMs as judges, finding that they are able to replicate the preferences of human judges. Finally, we take the initial steps towards Lay Summarisation for Natural Language Processing (NLP) articles, finding that LLMs are able to generalise to this new domain, and further highlighting the greater utility of summaries generated by our proposed approach via an in-depth human evaluation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google