PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.05494v4cs.CL

추상적 텍스트 요약을 위한 다중 모델 메트릭 기반 선택 프레임워크

A Multi-Model Metric-based Selection Framework for Abstractive Text summarization

디지털 텍스트 정보의 급격한 증가로 인해 자동 텍스트 요약의 중요성이 날로 커지고 있다. 본 논문은 추상적 텍스트 요약의 견고성과 품질을 향상시키기 위해 설계된 다중 모델 요약 프레임워크를 제안한다. 단일 모델에 의존할 경우 구조와 주제가 다양한 기사에 걸쳐 요약 품질이 일관되지 않는 문제가 발생한다. 이러한 한계를 해결하기 위해 제안된 프레임워크는 파인튜닝된 여러 트랜스포머 기반 요약 모델을 통합하고 메트릭 기반 선택 메커니즘을 도입한다. 이 프레임워크에서 각 모델은 동일한 입력 기사에 대해 독립적으로 후보 요약을 생성한다. 생성된 요약들은 어휘적 유사도와 의미적 관련성을 모두 포착하는 자동 평가 메트릭을 통해 평가된다. 이 점수를 기반으로 프레임워크는 가장 높은 품질의 요약을 최종 출력으로 선택한다. 모델들은 널리 사용되는 CNN/DailyMail 뉴스 요약 데이터셋에서 파인튜닝 및 평가되었다. 실험 결과, 제안된 프레임워크는 비교된 모든 방법 중 88.63%의 점수로 가장 높은 BERTScore를 달성하였다. 또한 GPT3-D2, Falcon-7b, Mpt-7b 등 여러 대규모 언어 모델(LLM)을 능가함으로써 그 효과성과 견고성을 입증하였다. 이러한 결과는 메트릭 기반 선택 전략 내에서 여러 트랜스포머 기반 모델을 활용하는 것이 자동 텍스트 요약 시스템의 품질과 견고성을 향상시키는 데 효과적임을 보여준다.

arXiv:2606.13216v1cs.CL

신경망 기계 번역 및 추상적 요약에서의 환각 탐지를 위한 층별 최적 전송

Layer-Resolved Optimal Transport for Hallucination Detection in NMT and Abstractive Summarization

신경망 기계 번역(NMT)과 추상적 요약의 환각 탐지를 위해 디코더 레이어별 최적 전송(Optimal Transport, OT)을 적용하여 크로스 어텐션 분포를 분석한다. NMT에서는 소스 분리 유형의 환각 탐지에 효과적이나, 요약에서는 소스에 올바르게 주의하더라도 내용을 왜곡하는 경우에는 탐지 성능에 근본적인 한계가 있음을 확인한다.