LightPAL: Lightweight Passage Retrieval for Open Domain Multi-Document Summarization

开放领域多文档摘要（ODMDS）对于解决各种信息需求至关重要，它旨在从大量文献中综合相关内容，生成回答用户查询的摘要。现有的方法首先找到相关段落，然后使用语言模型生成摘要，但对于ODMDS来说是不够的。这是因为开放式查询通常需要检索到更多的上下文，才能全面覆盖主题，使得最初检索到的所有相关段落具有挑战性。虽然已经探索了迭代检索方法用于多跳问题回答（MQA），但由于重复的大型语言模型（LLM）推理导致的高延迟使其在ODMDS中不切实际。为了解决这个问题，我们提出了LightPAL，一种用于ODMDS的轻量级段落检索方法，它在索引期间使用LLM构建表示段落关系的图，并在推理时采用随机游走而不是迭代推理和检索。在ODMDS基准测试中的实验表明，LightPAL在摘要质量方面优于基线检索器，同时比迭代MQA方法更高效。

本论文旨在解决开放领域多文档摘要（ODMDS）的问题，即如何从大量文档中综合相关内容生成摘要，现有方法无法满足开放式查询的需求，需要更多上下文信息来综合覆盖主题。

本文提出了一种轻量级的文本段落检索方法LightPAL，通过在索引期间使用LLM构建表示段落关系的图，并在推理时使用随机游走代替迭代推理和检索，从而提高了检索效率和摘要质量。

实验表明，LightPAL在摘要质量方面优于基线检索器，同时比迭代MQA方法更高效。

在这个领域中，最近的相关研究包括Multi-Document Summarization Using Cluster-based Link Analysis和Multi-Document Summarization Using Improved Semantic Representations等。