3分钟看完一篇论文，这个AI文本生成模型把今年NeurIPS 2300+篇总结了个遍

点击上方“视学算法”，选择加"星标"或“置顶”

重磅干货，第一时间送达

行早发自凹非寺
量子位报道 | 公众号 QbitAI

今年NeurIPS大会论文已经放榜，终于可以学习一下大佬们的研究了。

不过，打开电脑，随便点开一篇，就是一大段密密麻麻的文字糊脸……只是摘要就有这么长，还有2300多篇，这工作量实在劝退。

能不能让论文们都做一道经典的语文题：“用一句话概括全文内容”？

还真可以。

最近Reddit上的一位博主发布了一篇今年的NeurIPS大会论文汇总，其中的每篇论文下方（红框中）都有一句由AI生成的高度凝练的总结。

而这款AI文本分析软件，其实就是东京工业大学团队开发的Paper Digest。

它号称能帮你把论文阅读时间减少到3分钟：

除了总结论文内容以外，它还可以筛选出已经发布代码的论文。

同样，这次NeurIPS大会上的200多篇已发布代码的文章也被汇总了出来（可能会有疏漏）。

点击“code”，就可以直接跳转到相应的GitHub页面。

AI如何做好概括题

那这个AI文本分析神器应该怎么用呢？

很简单，先打开Paper Digest的官网（见文末链接）。

完成一些注册工作后，滑到一个搜索框的界面：

在这个搜索框里填上你要总结概括的论文的DOI号。

DOI号就像论文的身份证号，是独一无二的。以随便打开的一篇论文为例，它长这样（红框中即为DOI号）：

填完之后，点击“Digest”就开始总结了：

只需几秒钟，就会有一句话的总结输出，你也可以选择一个最合适反馈给Paper Digest，帮他们丰富数据库。

除了输入DOI号，如果你有本地的论文PDF文件，也可以直接导入。

是不是很方便？

其实这样方便好用的模型还不止一种。

比如，在一款免费学术搜索引擎Semantic Scholar里，也加入了一个类似的高度概括AI：TLDR。

TLDR（Too Long，Don’t Read），其实就是太长不看的意思……

在Semantic Scholar上搜索论文时，带有TLDR（红框）标志的就是AI生成的一句话总结。

具体到方法原理上，我们不妨以TLDR为例一起来看看。

举个例子，下图中上边的格子中是摘要，简介，结论中相对重要的段落和句子。TLDR会标记出突出的部分，然后组合成一个新的句子。

它的训练逻辑也很容易理解。

简单来说，就是先确定一个标准答案，然后把标准答案打乱，再让TLDR尝试复原。

这和人类提炼概括的过程也很像。

概括本身也需要忽视一些干扰，然后提取出最重要的部分。

所以在训练之前要准备两个数据库，也就是标准答案：一个是SciTLDR，它包含接近2000篇计算机科学相关论文，每篇论文都有一个最好的总结。

另一个是论文-标题对数据库。由于标题中一般有很多重要的语句，对生成TLDR来说很有帮助。

将这两个数据库分别加上控制码“<TITLE>”和“<TLDR>”之后进行混合，送入BART模型。

最后的BART模型是一个基于Transformer的预训练sequence-to-sequence去噪自编码器，它的训练步骤主要有两步：

首先用任意噪声破坏函数文本，相当于把标准答案打乱。

然后让模型学习重建原来的文本。

这整个学习策略就是CATTS。

来看看效果如何。

下图中TLDR-Auth是论文作者本人写的总结，TLDR-PR是本科学生读完论文写的总结。

BART和CATTS分别是原有模型和CATTS模型给出的总结。

从重合度看起来效果还是不错的。