텍스트 요약
긴 글을 더 짧고 정확한 형태로 줄인다
이 페이지의 본문은 영어로 제공됩니다. 제목과 요약은 한국어로 번역되었습니다.
이 능력이 뜻하는 것
Takes a long document and returns a shorter version that keeps the key information. It splits into extractive (selecting sentences) and abstractive (rewriting in new words) styles, the latter now dominant. Unlike free generation it has an explicit compression target, and unlike question answering it is not aimed at one query but should cover the whole thread.
기술적으로 구현하는 방법
The classic approach is a sequence-to-sequence attention model producing abstractive summaries, with rewriting ability coming from large-scale pre-training. Long documents are usually handled hierarchically or by a map-reduce scheme that summarises chunks and then combines them. Controlled summarisation passes length, angle or audience constraints through the prompt or light fine-tuning to steer style.
대표 제품
8GPT-4o
2024네이티브 멀티모달 범용 모델. 텍스트·이미지·오디오를 한 창구에서 다룬다
Claude
2023긴 문맥과 안전 정렬로 알려진 범용 대화 모델
Gemini
2024검색·오피스·멀티모달 모델을 하나의 대화 창구로 모았다
NotebookLM
2023제공한 자료만 근거로 답하고 출처를 하나씩 제시한다
Kimi
2023긴 문맥 처리에 강한 중국어 대화 어시스턴트
Apple Intelligence
2024온디바이스와 프라이빗 클라우드가 나눠 맡는 시스템급 AI 기능
Microsoft Copilot
2023대화형 AI를 운영체제와 오피스 앱에 심었다
Perplexity
2022검색하며 답하고, 모든 답에 출처를 붙인다
관련 기관
대표적 용도
- Quick reads of news and reports
- Meeting and call minutes
- Literature triage and paper skims
- Rolling summaries of tickets and email
성능을 평가하는 방법
- ROUGE
- N-gram overlap with reference summaries
- BERTScore
- Semantic-embedding similarity, more tolerant than literal overlap
- Factual consistency
- Share of statements conflicting with the source, as in FactCC-style evaluation
경계와 난점
- Middle sections of long documents are often dropped; models favour the start and end
- Abstractive models splice facts from different sentences into claims the source never made
- On ambiguous or multi-sided texts, minority views are often reported as the majority