Loading...
机构名称:
¥ 1.0

摘要。新闻分析和汇总的自动化为处理和分析当今信息社会中普遍存在的大量信息的挑战提供了有希望的解决方案。大型语言模型(LLMS)已经证明了将大量文本数据转换为简洁且易于综合的摘要的能力,从而有效地解决了对接收过多的问题的有效解决方案,并为用户提供了快速概述相关信息。该技术特别重要的应用在于供应链风险分析。公司必须监视有关其供应商的新闻,并出于几个关键原因对事件做出响应,包括遵守法律和法规,风险管理以及维持供应链的弹性。本文开发了使用LLMS的自动新闻摘要系统,用于供应链风险分析。提出的解决方案汇总了来自各种来源的新闻,使用LLMS汇总它们,并以清晰简洁的格式向用户提供凝结的信息。这种方法使公司能够处理其信息处理并做出明智的决定。我们的研究解决了两个主要的研究问题:(1)LLM是否有效地自动化新闻摘要,特别是在Sup-Ply链风险分析的背景下?(2)各种LLM在可读性,重复检测和汇总质量的风险识别方面的有效性?我们的结果表明,LLM,尤其是GPT-4O mini,可以在摘要质量和风险识别方面有重大改进。在本文中,我们当时使用一系列公开可用的LLM进行了脱机研究,并通过一项针对离线实验最佳性能系统的用户研究进行了补充,以进一步评估其有效性。

arxiv:2502.17136v1 [cs.ai] 2025年2月24日

arxiv:2502.17136v1 [cs.ai] 2025年2月24日PDF文件第1页

arxiv:2502.17136v1 [cs.ai] 2025年2月24日PDF文件第2页

arxiv:2502.17136v1 [cs.ai] 2025年2月24日PDF文件第3页

arxiv:2502.17136v1 [cs.ai] 2025年2月24日PDF文件第4页

arxiv:2502.17136v1 [cs.ai] 2025年2月24日PDF文件第5页

相关文件推荐

2025 年
¥1.0
2025 年
¥1.0