提取与摘要：在单一编码器-解码器框架中统一提取性与抽象性摘要
原文中文，约1400字，阅读约需4分钟。
📝
内容提要
本文介绍了一种新型文本摘要模型，结合抽取与生成方法，通过分层编码器和注意力机制显著提升摘要质量。研究表明，该模型在多个数据集上表现优异，能够生成信息丰富且可读性强的摘要。
❓
Q&A
这篇文章提出了什么新型文本摘要模型？
文章提出了一种结合抽取与生成方法的新型文本摘要模型，采用分层编码器和注意力机制。
该模型在摘要质量上有什么显著提升？
该模型通过分层编码器对文章进行语篇结构建模，显著提升了摘要的质量和可读性。
模型是如何调节句子和单词关注的？
模型通过句子级别的关注调节单词级别的关注，采用新型的不一致损失函数。
实验结果显示该模型在什么数据集上表现优异？
实验结果显示，该模型在CNN/每日邮报数据集上达到了最先进的ROUGE分数。
BERT在该模型中是如何应用的？
BERT被有效应用于文本摘要，提出了一种新的基于BERT的文档级编码器。
该研究提出了什么新的微调方法？
研究展示了两阶段微调方法可以进一步提高生成摘要的质量。
🏷️
