从提取式摘要到生成式摘要：生成式人工智能时代的多文档摘要技术——进展、挑战与新兴趋势

《ARTIFICIAL INTELLIGENCE REVIEW》：From extractive to generative: multi-document summarization in the era of generative AI - advances, challenges, and emerging trends

　　

摘要

多文档摘要（MDS）已经从提取式技术发展到复杂的生成模型，这一发展得益于大型语言模型（LLMs）、检索增强生成（RAG）、基于扩散的生成技术以及图增强架构的进步。虽然这些方法显著提高了摘要的连贯性、信息量和事实性，但方法多样性的增加也给理解它们的设计权衡、领域适用性和评估带来了挑战。本调查全面回顾了生成式MDS模型，提出了一个结构化的分类体系，将其分为基于LLM的、RAG增强的、图增强的和基于扩散的几类。我们分析了每一类的架构原理、能力和局限性。此外，我们还重点介绍了基准数据集、评估协议以及关键应用领域，包括医疗保健、法律和科学摘要。为了超越简单的描述性比较，我们提出了一个统一的分析框架，将生成式MDS分解为三个核心维度：信息聚合、结构推理和事实依据。该框架整理了以往的研究成果，明确了架构上的权衡，并将当前的局限性与可行的未来研究方向联系起来。最后，我们讨论了诸如幻觉现象、领域适应性和评估瓶颈等开放性问题，并提出了未来的研究方向。本调查旨在帮助研究人员和实践者在这个快速发展的可信且可扩展的生成式MDS领域中找到方向。