arXiv · cs.AI· Ruilin Shang, Shilong Hou, Zi Long, Xianghua Fu·· 5 小时前
基于篇章结构解析的文档级数据增强方法
Structure-Preserving Document-Level Data Augmentation via Discourse Parsing
arXiv:2610.19497v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Ruilin Shang, Shilong Hou, Zi Long, Xianghua Fu
研究任务与主要进展
作者提出一种结合大语言模型与文档级篇章结构解析的数据增强框架，通过识别句对修辞关系、提取并替换关键短语，在保留原文篇章结构的同时引入主题变化。基于论文摘要，该方法在文本摘要和问答任务的合并训练中提供了互补监督并改善了训练效果，但实验细节与代码信息未说明。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org