Метод «стая» для уменьшения ошибок ИИ при резюме ^{CEFR B2}

Исследователи адаптировали модель поведения стай птиц для предобработки текстов перед суммированием длинных документов с помощью больших языковых моделей. Новая рамка предназначена не как замена LLM, а как этап подготовки входных данных, который сокращает избыточность и улучшает представление ключевой информации.

В методе каждое предложение переводят в числовой вектор, объединяющий лексические, семантические и тематические признаки. Предложения ранжируют по центральности в документе, по важности на уровне раздела и по соответствию аннотации; ключевым разделам, таким как введение, результаты и заключение, даётся повышенный приоритет. Затем применяются принципы стайного поведения — когезия, выравнивание и разделение — чтобы формировать кластеры, выделять лидеров и отбирать наиболее информативные предложения из каждой стаи.

Отобранные предложения перестраивают в логичный порядок и передают LLM для синтеза связного резюме. Авторы протестировали подход на более чем 9 000 документах и сообщили, что сочетание рамки «стай» с LLM даёт резюме с большей фактической точностью, чем у моделей без предобработки. По словам Bari, цель метода — помочь ИИ генерировать резюме, которые ближе к исходным материалам; при этом риск галлюцинаций снижается, но не исчезает полностью. Статья опубликована в журнале Frontiers in Artificial Intelligence.