TLDR：科学文献的极端总结

下载PDF摘要：我们介绍TLDR生成，这是一种极端总结的新形式，是科学论文。 TLDR生成涉及高源压缩，并且需要专家背景知识和对复杂域特定语言的理解。为了促进对此任务的研究，我们引入了SciTLDR，这是一个新的多目标数据集，包含超过3.2K论文的5.4K TLDR。 SciTLDR既包含作者编写的TLDR，又包含专家生成的TLDR，其中使用新颖的注释协议收集后者，该协议可产生高质量的摘要，同时最大程度地减少注释负担。我们提出CATTS，这是一种用于生成TLDR的简单而有效的学习策略，该TLDR利用标题作为辅助培训信号。 CATTS在自动度量和人工评估的基础上都改进了强大的基准。数据和代码可通过此https URL公开获得。

来自：伊莎贝尔·卡霍拉[查看电子邮件] [v1]星期四，2020年4月30日17:56:18 UTC（3,615 KB）[v2]星期六，2020年5月2日09:09:24 UTC（4,412 KB）[v3]星期四，8 2020年10月22:41:44 UTC（4,176 KB）

关于arXivLabs arXivLabs是一个允许合作者直接在我们的网站上开发和共享新的arXiv功能的框架。

与arXivLabs合作的个人和组织都已经接受并接受了我们的开放，社区，卓越和用户数据隐私价值。 arXiv致力于这些价值观，并且仅与遵守这些价值观的合作伙伴合作。

有一个可以为arXiv社区增加价值的项目的想法吗？了解有关arXivLabs以及如何参与的更多信息。

书目工具代码推荐