目下，大模子不错帮你梳理新闻时候线了加拿大pc28预测结果走势分析，以后吃瓜就更通俗了！

AI Agent的风，我们赛博乐子东谈主也得吹吹。

这即是来自阿里巴巴通义实验室与上海交通大学的新沟通，他们提倡了一种基于Agent的新闻时候线提要新框架——CHRONOS。

它不仅不错帮你从海量新闻中转头出进攻事件，更进攻的是，它还不错梳理出明晰的时候线，以后上网冲浪时各式复杂事件都一目了然。

其中的CHRONOS一词取自希腊传说中的时候之神柯罗诺斯。

该框架通过迭代多轮的自我发问方法，蚁合检索增强生成技能，从互联网上检索联系事件信息，并生成时候规矩的新闻提要，为新闻时候线提要生成提供了一种全新的科罚决策。

先来一皆瞅瞅几个例子。

比如对于新闻“国足1-0巴林”，CHRONOS概况转头海量新闻，呈现事件的持之以恒。

对于隐敝时候更长的新闻“中国探月工程”，CHRONOS也能聚焦重苦衷件，呈刻下候线发展，使得用户概况一目了然。

补皆通达域TLS短板

时候线转头（Timeline Summarization, TLS）任务是一种当然谈话处理边界的经典技能挑战，它旨在从多数文本数据中索要要害事件，并按时间规矩枚举，以提供对某一主题或边界历史发展的结构化视图。

举例，在新闻边界，时候线转头不错匡助用户快速了解一个新闻事件的持之以恒。该任务不仅条件识别出进攻的事件，还需措施悟事件之间的时候关系和因果计划，以便生成一个连贯、简洁且信息丰富的时候线提要。

左证可检索事件的起首，不错将TLS任务细分为闭塞域（closed-domain）和通达域（open-domain）两个设定：在闭塞域TLS任务中，时候线是从一组预界说的、与特定主题或边界联系的新闻著作中创建的，而通达域TLS指的是从互联网上平直搜索和检索新闻著作来生成时候线的历程。

昔时的使命东要集合于科罚闭塞域上时候线生成问题，而通达域TLS则需要宏大的信息检索和筛选才能，以及在莫得全局视图的情况下识别和竖立事件之间计划的才能，为这项任务提倡了新的要乞降挑战。

迭代检索的CHRONOS框架

为了豪放上述挑战，团队提倡CHRONOS框架，通过迭代发问进行联系事件检索，生成准确、全面的时候线提要，概况灵验地科罚通达域和闭塞域两种设定下的TLS任务。

1. 动机

时候线生成的中枢在于竖立事件之间的时候和因果关系。

每个新闻事件都不错被暗示为一个不同的节点，任务的方向是竖立这些节点之间的边，以展示它们的联系性，并最终变成一个异构图，从主题新闻的节点动手。

因此，通过一个检索机制来检索联系的新闻著作，不错灵验竖立这些边，变成事件之间的计划。

2. 玄虚

CHRONOS愚弄大模子的才能，通过模拟东谈主类信息检索的历程，即通过提倡问题、基于检索限度进一步提倡新的问题，最终汇集对于联系事件的全面信息并转头为时候线。

CHRONOS包括以下几个模块：

自我发问 (Self-Questioning)：最初搜索粗粒度的新闻布景信息，然后迭代地提倡问题，以检索更多联系新闻。

问题改写 (Question Rewriting)：将复杂或推崇欠安的问题明白为更具体、更易检索的查询。

时候线生成 (Timeline Generation)：通过吞并每一轮检索生成的时候线来转头一个罕见进攻事件的时候线。

3. 自我发问3.1 粗粒度布景调研

在自我发问的开动阶段，CHRONOS使用方向新闻的标题动作要害词进行搜索，以汇集与方向新闻最平直联系的信息。

这些信息组成了新闻布景（News Context），为自我发问打下初步基础。

3.2 发问示例礼聘

在粗粒度布景调研之后，CHRONOS愚弄大模子的落魄体裁习才能，通过极少样本请示来指导模子生成对于方向新闻的问题。

为了评估问题样实质料，引入了时序信息量（Chrono-Informativeness, CI）的看法，用来料想模子提倡的问题检索与参考时候线对皆事件的才能，即高CI值的问题更有可能带领检索到与方向新闻事件联系的著作，用检索生成的时候线和参考时候线中包含日历的F1分数进行料想。

基于最大化问题集时序信息量的方向，构建一个“新闻-问题”的示例池，用于指导新方向新闻的问题生成。

对于每个新的方向新闻，通过余弦相似性动态检索与方向新闻最相似的样本，确保了样本的落魄文联系性和时候信息的准确性。

3.3 迭代发问

CHRONOS通过一语气迭代发问，渐渐久了探索事件的细节。

每一轮迭代都基于前一轮的检索限度，以发现新的问题和信息，直到孤高时候线中事件数目或达到最大迭代次数。

3.4 问题改写

查询改写（Query Rewriting）是检索增强生成中常用的优化才略。

在CHRONOS框架中，团队通过对开动发问阶段产生的泛泛或复杂问题改写为2-3个更易于检索的子问题，概况生成更具体、更有针对性的查询，从而提高搜索引擎的检索成果。

他们雷同在请示中加入极少样本，指导大模子进行灵验改写，将复杂问题改动为更具体的查询，同期保捏问题的原始意图。

3.5 时候线生成

CHRONOS通过两阶段生成完好的时候线转头：生成（Generation）和吞并（Merging）。

生成：通过分析每一轮检索到的新闻著作来识别要害事件和郑重信息。愚弄大模子的融会和生成才能，索要每个事件的发诞辰期和联系细节，并为每个事件撰写简洁的态状。这些事件和态状被组织成初步的时候线，按照时候规矩枚举，为后续的吞并阶段提供基础。

吞并：将多轮检索生成的初步时候线整合成一个连贯的最终提要。这一历程波及对皆不同时间线中的事件、科罚任何日历或态状上的突破，并礼聘最具代表性和进攻性的事件。

全新数据集OPEN-TLS

为了评估TLS系统，沟通团队还汇集了由专科记者撰写的对于近期新闻事件的时候线，构建了一个名为Open-TLS的新数据集。

与以往闭塞域的数据集比较，Open-TLS不仅在数据集范围和内容上愈加种种化，隐敝政事、经济、社会、体育和科学技能等多个边界，况兼在时效性上更具上风，为通达域TLS任务提供了一个更全面和更具挑战性的基准。

实验限度

1. 实验设定

实验基于GPT-3.5-Turbo、GPT-4和Qwen2.5-72B划分构建CHRONOS系统，评测通达域和闭塞域两个设定下TLS的性能推崇。使用的评估办法主要有：

ROUGE-N: 料想生成时候线和参考时候线之间的N-gram叠加。具体包括：（1）Concat F1：通过将统共日历提要贯穿起来盘算ROUGE，以评估全体的一致性；（2）Agree F1：仅使用匹配日历的提要盘算ROUGE，以评估特定日历的准确性；（3）Align F1：在盘算ROUGE之前，先左证相似性和日历接近性对瞻望提要和参考提要进行对皆，评估对皆后的一致性。

Date F1：料想生成时候线中日历与参考时候线中果真日历匹配进度。

2. 通达域TLS

在通达域TLS的实验中，CHRONOS与几个基线才略进行了比较，包括平直搜索方向新闻（DIRECT）和重写方向新闻以创建查询用于检索（REWRITE）。

对比之下，CHRONOS通过迭代自我发问和检索联系新闻著作的才略，显耀提高了事件转头的质料和日历对皆的准确性，在统共办法上都逾越于基线才略。

3. 闭塞域TLS

在闭塞域TLS的实验中，CHRONOS与之前的代表性使命进行了比较，包括：（1）基于事件团聚才略的CLUST (Gholipour Ghalandari and. Ifrim, 2020);（2）基于事件图模子EGC（Li et al., 2021）和（3）愚弄大模子进行事件聚类的LLM-TLS（Hu et al., 2024）。

在Crisis和T17这两个经典数据集上的比较限度显现，CHRONOS达到了与这些使命雷同的推崇，在两个数据集的AR-2办法上得到了SOTA成果，阐述了其在不同类型事件和时候跨度上的宏大性能温顺应性。

4. 运行时候分析

CHRONOS的另一个上风体目下遵循方面。

与雷同基于大模子、但需要处理新闻库中统共著作的LLM-TLS才略比较，它通过检索增强机制专注于最联系的新闻著作，显耀减少了处理时候。

这种遵循的擢升使其在执行应用中更为实用，尤其是在需要快速反馈的场景中。

案例沟通：苹果产物发布时候线

团队久了分析了模子在处理具体新闻事件时的推崇，通过礼聘具有代表性的新闻事件，如苹果公司的紧要产物发布，概况不雅察到CHRONOS如何通过由表及里的自我发问和信息检索来生成时候线。

在案例沟通中，CHRONOS展示了其概况准确索要要害事件和日历的才能，同期也揭示了在某些情况下可能需要校正的场地，举例对某些事件的遗漏或日历幻觉。

结语

CHRONOS框架通过蚁合大型谈话模子的迭代自我发问和检索增强生成技能，为时候线转头任务提供了一种新颖且灵验的科罚决策。

这种才略的中枢在于模拟东谈主类的信息检索历程，通过不停地提倡和回话新问题来渐渐久了融会事件，最终身成一个全面且连贯的时候线提要。

实验限度仍是充分阐述了CHRONOS在复杂事件检索和构建时候线方面的才能，展示了该框架在执行新闻时候线生成应用中的应用后劲和准确性。

同期，这种迭代发问的检索生成才略是否具有泛化到通用任务上的才能也值得未来进一步沟通。

Reference:

[1] Demian Gholipour Ghalandari and Georgiana Ifrim. 2020. Examining the state-of-the-art in news timeline summarization. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, pages 1322–1334, Online. Association for Computational Linguistics.

[2] Manling Li, Tengfei Ma, Mo Yu, Lingfei Wu, Tian Gao, Heng Ji, and Kathleen McKeown. 2021. Timeline summarization based on event graph compression via time-aware optimal transport. In Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing, pages 6443–6456, Online and Punta Cana, Dominican Republic. Association for Computational Linguistics.

[3] Qisheng Hu, Geonsik Moon, and Hwee Tou Ng. 2024. From moments to milestones: Incremental timeline summarization leveraging large language models. In Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), pages 7232–7246, Bangkok, Thailand. Association for Computational Linguistics.

— 完 —加拿大pc28预测结果走势分析

• 加拿大
• 预测
• 转头
• 结果
• pc28