本研究分析了多文档摘要模型在跨领域应用中的失败问题，评估了不同训练方法的模型表现，揭示了域转移失败的原因，并质疑了流行摘要指标的适用性。结果表明，模型在处理与训练领域不同的文档时，真实性、目标偏差和摘要质量显著下降。

较大的网络比较小的网络更容易丧失稳健性，压缩网络在面对域转移和对抗扰动时的稳健性较低。知识蒸馏得到的紧凑网络在面对域转移时比剪枝网络更稳健。后训练量化是一种可靠的方法，能显著提高稳健性，胜过剪枝和蒸馏模型的稳健性。