arXiv cs.CL· Egecan \c{C}elik Evgin, \.{I}lknur Karadeniz, Olcay Taner Y{\i}ld{\i}z·· 2 天前AI 评分24
摘要还是全文？生物医学通俗摘要的输入范围与计算效率评估
Abstracts or full text? Evaluating input scope and computational efficiency in biomedical lay summarization
AI 导读
一项基于两个公开生物医学通俗摘要数据集和两个近期模型的研究发现，基于摘要的通俗摘要生成整体效果优于全文方法。摘要微调比全文方法快 4.70 倍，摘要零样本和少样本提示则快 5.31 倍，在保持通俗摘要质量的同时降低了运行成本。
正文 · AI 翻译
摘要：生物医学研究论文主要面向专家撰写，往往包含普通公众难以理解的术语。自动通俗摘要已成为一种解决方案，使生物医学知识更易于患者和公众理解。然而，从全文文章生成通俗摘要需要更多计算能力，因为文章篇幅长且处理成本高。为此任务微调大语言模型也需要大量资源。本研究提出两个问题：（1）摘要是否包含足够信息，能够生成与基于全文文章同样优秀的通俗摘要；（2）少样本学习是否与任务特定微调表现相当。该研究使用了两个公开的生物医学通俗摘要数据集和两个近期模型，从可读性、事实一致性、语义相似度和运行效率方面进行评估。结果表明，基于摘要的摘要生成整体表现更好。在两个数据集和模型上，摘要微调的速度快 4.70 倍，而摘要零样本和少样本提示比全文方法快 5.31 倍。这些结果表明，基于摘要的提示在保持通俗摘要质量的同时降低了运行成本。
| 评论： | 26 页，2 幅图 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.21690 [cs.CL] |
| （或 arXiv:2610.21690v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.21690 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Egecan Çelik Evgin [查看电子邮件]
[v1]
2026年10月15日星期四 11:13:36 UTC（405 KB）
来源：arXiv cs.CL · arxiv.org