自动摘要技术近年来取得了显著的进步，这主要得益于范式的转变。过去，该技术主要依赖于在标注数据集上进行有监督微调，但现在则采用了大语言模型（LLM）进行零样本 prompt，例如GPT-4。通过细致的 prompt 设置，不需要额外的训练，就能实现对摘要长度、主题、风格等方面特征的精细控制
但一个方面常常被忽视：摘要的信息密度。从理论上讲，作为对另一个文本的压缩，摘要应该比源文件更密集，也就是包含更多的信息。考虑到 LLM 解码的高延迟，用更少的字数涵盖更多的信息非常重要，尤其是对于实时应用而言。
然而，信息量密度是一个开放式的问题：如果摘要包含的细节不足，那么相当于没有信息量；如果包含的信息过多，又不增加总长度，就会变得难以理解。要在固定的 token 预算内传递更多信息，就需要将抽象、压缩、融合三者结合起来。
在最近的研究中，来自Salesforce、MIT等机构的研究者试图通过征求人类对GPT-4生成的一组摘要的偏好来确定其密度逐渐增加的限制。这种方法为提升GPT-4等大型语言模型的"表达能力"提供了许多启示
论文链接：https://arxiv.org/pdf/2309.04269.pdf
数据集地址：https://huggingface.co/datasets/griffin/chain_of_density
具体来说，研究者们通过将每个令牌的平均实体数量作为密度的代表，生成了一个初始的、实体稀少的摘要。然后，在不增加总长度（总长度为5倍）的情况下，他们反复识别并融合前一个摘要中缺失的1-3个实体。每个摘要的实体与令牌比例都高于前一个摘要。根据人类的偏好数据，作者最终确定，人类更喜欢几乎与人类编写的摘要一样密集的摘要，而且比普通GPT-4提示生成的摘要更密集
该研究的总体贡献可以概括为以下几点：
我们需要开发一种基于 prompt 的迭代方法（CoD），以提高摘要的实体密度
对CNN/《每日邮报》文章中摘要的密集程度进行人工和自动评估，以更好地了解信息量（倾向于更多实体）和清晰度（倾向于更少实体）之间的权衡
开源了 GPT-4 摘要、注释和一组 5000 篇未注释的 CoD 摘要，用于评估或提炼。
CoD 是什么意思？
作者制定了一个单一的密度链（CoD）Prompt，即生成一个初始摘要，并使其实体密度不断增加。具体来说，在一个固定的交互次数中，源文本中一组独特的突出实体被识别出来，并在不增加长度的情况下融合到之前的摘要中。
在图2中展示了提示和输出示例。作者并没有明确指定实体的类型，而是将缺失的实体定义为：
与主要故事有关：
具体：简明扼要（5个字或更少）；
独特：在之前的摘要中没有提及过；
忠实：存在于文章中；
任何地方：位于文章的任何地方。
作者从 CNN/DailyMail 摘要测试集中随机抽取了 100 篇文章，为其生成 CoD 摘要。为便于参考，他们将 CoD 摘要统计数据与人类撰写的要点式参考摘要以及 GPT-4 在普通 Prompt 下生成的摘要进行比较：「写一篇非常简短的文章摘要。请勿超过 70 个字。」
统计情况
在研究中，作者从直接统计数据和间接统计数据两方面进行了总结。直接统计数据（token、实体、实体密度）由 CoD 直接控制，而间接统计数据则是密集化的预期副产品。
直接統計資料。如表 1 所示，由於從最初冗長的摘要中刪除了不必要的詞語，第二步平均減少了 5 個 token（從 72 到 67）的長度。實體密度從 0.089 開始，最初低於人類和 Vanilla GPT-4（0.151 和 0.122），經過 5 步密集化後，最終上升到 0.167。
間接統計。抽象度應該會隨著每一步 CoD 的進行而增加，因為每增加一個實體，摘要就會被反覆改寫以騰出空間。作者以萃取密度來衡量抽象性：萃取片段的平均平方長度 (Grusky et al., 2018)。同樣，隨著實體被添加到固定長度的摘要中，概念融合度也應隨之單調增加。作者用與每個摘要句子對齊的來源句子的平均數量來表示融合度。在對齊上，作者使用相對 ROUGE 增益法 (Zhou et al., 2018),，該方法將源句與目標句對齊，直到額外句子的相對 ROUGE 增益不再為正。他們也預期內容分佈（Content Distribution），也就是摘要內容所來源的文章中位置，會有所改變。
具體來說，作者預期 CoD 摘要最初會表現出強烈的「引導偏向」（Lead Bias），但隨後會逐漸開始從文章的中間和末尾引入實體。為了測量這一點，他們使用了融合中的對齊重寫內容時，需要使用中文進行重寫，不需要出現原句，並測量了所有對齊源句的平均句子等級。
圖3證實了這些假設：隨著重寫步驟的增加，抽象性也增加（左圖顯示提取密度較低），融合率也上升（中圖顯示），摘要開始包含文章中間和末尾的內容（右圖顯示）。有趣的是，與人類撰寫的摘要和基準摘要相比，所有CoD摘要都更加抽象
#重寫內容時，需要使用中文進行重寫，不需要出現原句
為了更好地理解CoD 摘要的tradeoff，作者開展了一項基於偏好的人類研究，並使用GPT-4 進行了基於評級的評估。
人類偏好。具體來說，對於同樣的 100 篇文章（5 個 step *100 = 總共 500 篇摘要），作者向論文的前四位作者隨機展示了經過“重新創作”的 CoD 摘要以及文章。根據 Stiennon et al. (2020) 對「好摘要」的定義，每位註釋者都給出了自己最喜歡的摘要。表 2 報告了各註釋者在 CoD 階段的第一名得票情況，以及各註釋者的總結情況。總的來說，61% 的第一名摘要（23.0 22.5 15.5）涉及≥3 個緻密化步驟。首選 CoD 步數的中位數位於中間（3），預期步數為 3.06。
根據第三步驟的平均密度推測，所有CoD候選者的首選實體密度約為0.15。從表1可以看出，這個密度與人類編寫的摘要（0.151）一致，但明顯高於用普通GPT-4 Prompt編寫的摘要（0.122）
自動度量。作為人工評估的補充（如下），作者以 GPT-4 從 5 個維度對 CoD 摘要進行評分（1-5 分）：資訊量、品質、連貫性、可歸屬性和整體性。如表 3 所示，密集度與資訊量相關，但有一個限度，在步驟 4（4.74）時得分達到頂峰。
從各維度的平均分數來看，CoD 的第一個和最後一個步驟得分最低，而中間三個步驟得分接近（分別為4.78、4.77 和4.76）。
定性分析。摘要的連貫性 / 可讀性與資訊量之間存在著明顯的 trade-off。圖 4 中展示了兩個 CoD 步驟：一個步驟的摘要因更多細節而得到改善，另一個步驟的摘要則受到損害。平均而言，中間 CoD 摘要最能達到這種平衡，但這種 tradeoff 仍需在未來的工作中去精確定義和量化。
更多論文細節，可參考原文。
以上是Salesforce與MIT研究者合作開源GPT-4改稿教程，實現更少字數卻傳遞更多訊息的詳細內容。更多資訊請關注PHP中文網其他相關文章！
