文章主题：铜灵, 凹非寺, AI论文, 摘要
铜灵 发自 凹非寺
量子位 出品 | 公众号 QbitAI这一次AI自己给AI论文生成了一次摘要。
今天，一个可为长文自动生成总结的Transformer语言模型论文在推特火了起来。
在仔细阅读论文摘要的结尾部分时，网友们意外地发现了一个斜体注释：上述摘要并非出自作者之手，而是由研究过程中所采用的一个模型自动生成的。
以假乱真的生成质量，让不少网友大吃一惊。并且，其生成方式也不一般：
经过大量研究证实，即使缺乏复制机制，Transformer语言模型在处理长篇科学文章方面依然具有显著优势，其表现甚至超过了传统seq2seq方法。
此外，相较于之前采用复制策略的研究，本方法生成的摘要更为全面。在衡量自动生成的摘要及翻译水平的ROUGE评估中，该方法取得了更高的评分。
经过OpenAI研究科学家、牛津大学人类未来研究所研究员Miles Brundage的力挺与广泛传播，该项研究在短短不到一天时间内便获得了近2000个点赞，引来了广大网友的关注。甚至有人将其形容为一场“摘要图灵测试”，足见其在网络上的热度之高。
还有网友表示，在未来十年内，我们或许能看到第一篇transformer写出的研究论文了。
所以，这个让网友大吃一惊的总结摘要生成模型，到底是如何以假乱真的？
请看摘要↓
非复制机制
我们提出了一种新的方法，通过神经摘要式总结，可以为篇幅超过上千字的长文档自动生成摘要。我们展示了一种在生成总结前的简单提取步骤，在执行生成摘要任务前，会根据相关信息，将其用于Transformer语言模型，帮助模型进行条件设置。实验结果表明，这个步骤显著提高了总体结果。我们还证明了，与之前使用复制机制（copy mechanism）的工作相比，这种方法生成了抽象的总结，并且还能取得更高的Rouge分数。在过去，摘要提取技术主要依赖序列到序列（seq2seq）学习方法，其中关键词的识别被理解为生成问题，而在输出过程中，关键短语被视为词序列。
为了确保控制参数的数量仅选择出现频率较高的词汇，那些相对低频但重要性更高的词汇在提取过程中容易被忽略。为了解决这一问题，我们提出了“复制机制”，从而在提取过程中确保这些重要词汇得到充分考虑。
通过复制机制，模型解码器的部分隐藏状态当成特定的位置，不通过生成过程定义关键词，而是直接复制。
这样一来，就能保留原始文章中的重要信息了，进而在输出端生成出摘要。
而在这篇论文中提到，不通过复制机制也可以准确提取重点信息。这是怎么做到的？
Transformer语言模型
在论文《On Extractive and Abstractive Neural Document Summarization with Transformer Language Models》中，研究人员详细阐述了模型的构建过程。
这个模型提取科学论文的摘要是分阶段的。
首先，句子指针网络（pointer network）从论文中提取出重要信息。
在接下来的步骤中，我们会将这些提取出来的句子与完整的文章按顺序整合在一起：首先是引言部分，紧接着是所抽取的句子，随后是摘要，最后是论文的其他内容。这种特定的组织方式就是Transformer语言模型在训练过程中所采用的格式。
在推理运算中，引言与提取的句子将作为背景信息被提供给语言模型，并最终生成摘要。在新闻报道和专利申请的领域中，引言部分将会被全面取代。
与此前大多数神经抽象概括方法不同，这种方法没有使用带有显式编码器和解码器的seq2seq公式来生成单词。
具体来说，研究人员使用单个类似GPT的Transformer 语言模型（TLM）进行训练，在推理阶段根据文档从语言模型中生成摘要。
研究人员将这个任务一分为二，即提取步骤（extractive step）和抽象步骤。
为了处理超过几千个单词的超长文档，他们先使用两个不同的分层文档模型对句子进行提取，一个基于指针网络，另一个基于句子分类器，这样的结构保证在生成摘要前更好地调整Transformer语言模型的相关信息。
研究人员选取了四种不同的大型长文档摘要数据集，分别为arXiv、PubMed 、bigPatent和Newsroom，对模型进行测试，并用Rouge指标进行测试。
无论是针对arXiv上的科学论文：
还是NewsRoom上的新闻：
甚至是PubMed上的生物医学方面的论文：
还是130万份美国专利文献记录bigPatent ：
新方法TLM均优于此前摘要提取的baseline，并超越了先前提取结果。
作者介绍
这篇论文的共同一作共有三位，均来自Element AI。
包括蒙特利尔学习算法研究所的Sandeep Subramanian，Raymond Li和蒙特利尔大学的Jonathan Pilault及Christopher Pal。
Element AI想必大家不会陌生，这是图灵奖得主、蒙特利尔大学计算机系教授Yoshua Bengio创办的创业孵化器，帮助来自蒙特利尔大学和McGill大学的AI创业者施展拳脚。
传送门
On Extractive and Abstractive Neural Document Summarization with Transformer Language Models
— 完 —
量子位 · QbitAI
վᴗ ի 追踪AI技术和产品新动态
戳右上角「+关注」获取最新资讯↗↗
如果喜欢，请分享or点赞吧~比心❤
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
