本研究探讨了电商卖家在广告中使用关键短语的相关性，强调与人类判断的一致性。通过将关键短语相关性框架化为卖家判断、广告和搜索的动态交互，提出利用大型语言模型提升相关性模型效果的方法，研究发现该方法能更好地协调卖家、广告和搜索的需求。

本研究提出了一种新方法，利用预训练的大型语言模型从文档中提取相关概念，超越传统的关键短语提取。验证结果显示，该方法在F1得分上优于现有技术，展示了大型语言模型在概念提取中的潜力。

本研究提出了一种自编排的数据增强方法，通过合并相似文档生成合成样本，解决了关键短语生成模型训练数据不足的问题，有效提升了生成效果。

本研究探讨了选择俄语关键短语的挑战，评估了基于提示的方法在科学摘要中的表现，结果显示其优于常见基准，具有重要应用潜力。

本研究通过提取源文档中的重要信息来提升大语言模型的摘要能力。CriSPO模型能提取关键短语，提高摘要质量和ROUGE指标。这为提示式摘要系统提供了新思路，强调短语级信息的重要性。

SimCKP是一个简单的对比学习框架，能够学习上下文感知的短语级表示，并生成不出现在文档中的关键短语。实验结果表明，SimCKP在多个基准数据集上的性能明显优于现有的模型。

本文介绍了如何训练针对文本文档中关键短语的任务特定语言模型，并提出了新的预训练目标和适用于BART的预训练设置。通过对预训练语言模型进行微调，可以用于命名实体识别、问答、关系抽取、编写摘要等任务。