标签
Wired 重点介绍了 Meetily，一款免费的开源应用，可在本地转录和总结会议，无需订阅费用或云端上传，并支持各大视频会议平台。
This paper proposes MIDAS, a multi-LLM framework for data-adaptive summarization that automates prompt optimization for domain-specific enterprise use cases, achieving strong improvements over prior methods on customer ticket summarization benchmarks.
本文来自石溪大学，识别了文本摘要人类忠实性标注中的“平均偏差”：全局人类标签与逐句LLM判断的平均值之间的相关性，优于与严格合取规则的相关性，这意味着即使摘要包含局部事实错误，人类也常常将其标注为忠实。
YouTube Summarizer 是一款开源的 Flask 网页应用，可利用 Google Gemini 或 OpenAI 模型总结 YouTube 视频和播放列表，支持缓存、音频输出和 Docker。
本技术报告介绍了Naver-News-KO，一个包含27,400对（文档，摘要）的韩语新闻摘要数据集，数据来自Naver News，托管在Hugging Face上，用于微调Gemma-2B-ko和KoBART等开源摘要模型。
Boris Cherny 发布了一篇关于图工程的7页PDF，展示了如何通过构建一个持久的代理知识图谱，使用四个Claude提示词替代训练好的ML模型，步骤包括提取、解析、总结和查询。
本文提出了一种基于GPT-5模型变体的生成式AI辅助摘要框架，以解决自动作文评分中输入长度限制的问题，并在ASAP 2.0数据集上展示了模型能力、摘要保真度和计算成本之间的权衡。
提出 Token-Level Off-Policy Labeling (TOPL)，一种用于忠实生成的离策略训练范式，将后训练重新定义为词元级正确性预测，在摘要和机器翻译任务上实现了强大的分布外泛化能力。
作者批评RAG和向量数据库的方法，提出正确的做法包括用好memory、分块和索引、摘要、为agent提供搜索工具，以及使用SRAM-only推理服务如Groq和Cerebras。
一种人工智能工具，用于逐页从PDF书籍中提取知识并生成摘要。
本文讨论了AI智能体在长会话中性能下降的问题，原因是上下文窗口被原始历史、工具输出和重复推理所充斥，并提出了通过总结旧轮次和修剪工具输出来延长有效运行长度的解决方案。
一个 Python 脚本，能自动解析 PDF 书籍内容，提取关键知识点并生成 Markdown 格式的摘要，旨在提升阅读和知识整理效率。
Recall 是一个开源工具，为 Claude Code 提供完全本地、零成本的项目记忆功能。它自动捕获会话历史并将其总结为紧凑的上下文文件，全程不向任何外部 API 发送数据。
本文提出了Detect–Remask–Repair，一种基于扩散的框架，用于在上下文演变时进行摘要中的局部忠实性修复，并引入了StreamSum基准来评估此类设置。实验表明，它在忠实性、速度和内容保留之间提供了可控的权衡。
本文评估了企业工具使用工作流中LLM代理的上下文工程配置，表明选择性修剪的摘要化相比全上下文基线实现了91.6%的准确率，同时将令牌使用量减少了60%以上。
LLM摘要性能对比显示，Qwen 3在30B参数范围内领先，其次是Gemma 4，而更新的Qwen模型可能针对代理任务进行了优化。
作者描述了将教科书式的智能体记忆设计从按需检索反转为优先注入，以避免延迟和空上下文的自信错误，并详细介绍了架构以及写回机制中危险的自我毒化失败模式。
本文提出了NRLB，一个面向平实语言摘要的多智能体框架，通过模拟不同读者群体（小学生、非母语者、注意力缺陷者）来提高可读性，同时保持事实准确性，该框架在多个数据集和人工评估中得到了验证。
一位实践者分享了AI代理连续运行6小时以上时，上下文窗口管理策略（摘要、RAG、截断）的真实失败模式，指出每种方法都会以仅在长时间运行时才会显现的方式降低决策质量。