09:18官方账号arXiv cs.LG@Fabrizio Marozzo, Stefano Iannicelli该论文提出一种用大语言模型进行观点摘要的框架,结合多维分类(如情感、主题)和分层采样策略,先在Amazon产品评论、Tripadvisor酒店评论和X/Twitter帖子等数据集上筛选出紧凑且有代表性的意见子集,再通过定制提示生成平衡摘要。实验表明,该方法在保持语义的同时显著降低了Token使用量和计算成本,在内容覆盖、平衡性和语义保留上一致优于传统AI和标准LLM摘要基线。论文LLM观点摘要语义保留推荐理由:这篇论文找到了一个用LLM做观点摘要的新路子,能省下不少token,还能保留不同人的真实观点,比常规摘要方法更靠谱。原文稍后读已读值得跟进有用关注 LLM
16:21IT之家(博客/媒体)上海交通大学等机构在arXiv发布研究,提出BabelTele压缩方法。该方法将文本压缩至原大小的27.9%,仍保持99.5%的语义准确性。人类阅读压缩文本后问答准确率显著下降,但Gemini 3.1 Pro准确率稳定。在MeetingBank和QuALITY基准上,同等压缩率下BabelTele优于LLMLingua-2。多智能体通信测试中,减少约40%通信Token,任务完成度超过96%。AI模型BabelTeleGemini 3.1 Pro文本压缩推荐理由:上海交大团队搞了个BabelTele,AI之间能说人类看不懂的语言,压缩四分之三文本还差不多全对,省token神器。原文稍后读已读值得跟进有用关注 BabelTele