[论文翻译]MemSum：基于多步情景马尔可夫决策过程的长文档抽取式摘要

我们介绍了MemSum (多步情景马尔可夫决策过程抽取式摘要器)，这是一种基于强化学习的抽取式摘要器，在每一步都融入了当前抽取历史的信息。当MemSum迭代地将句子选入摘要时，它会考虑人类在该任务中也会直观使用的一组广泛信息：1) 句子的文本内容，2) 文档其余部分的全局文本上下文，以及3) 由已抽取句子组成的抽取历史。凭借轻量级架构，MemSum在PubMed、arXiv和GovReport的长文档摘要任务中取得了最先进的测试集性能(ROUGE)。消融研究证明了局部信息、全局信息和历史信息的重要性。人工评估证实了生成摘要的高质量和低冗余性，这源于MemSum对抽取历史的感知。