论文提出 MLEGT，用多级编码器与全局主题改进任务型对话摘要。
资讯摘要
论文提出面向任务型对话摘要的模型 MLEGT，用多级编码器捕捉对话中的时空依赖，并在图构建过程中获得全局主题，以突破长距离限制、发现对话内在结构；摘要器还加入全局主题引导的指针机制，以捕捉被忽略但重要的信息。作者在两个公开数据集（真实大规模中文公安审讯数据集和医疗报告服务数据集）上报告该方法优于多个强基线。
要点速读
- 论文提出 MLEGT 模型，结合多级编码器与全局主题进行任务型对话摘要。
- 模型在图构建过程中获取全局主题，并加入全局主题引导的指针机制以提升摘要准确性。
- 作者在中文公安审讯和医疗报告服务两个公开数据集上报告其方法优于多个强基线。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。