阿里巴巴通义实验室与上海交通大学提出了CHRONOS框架，利用大模型和自我提问技术，从海量新闻中生成清晰的时间线摘要，提高开放域时间线总结的效率与准确性。该框架通过迭代检索和问题改写，帮助用户快速理解事件发展，展现了处理复杂事件的强大能力。

本文提出了一种优化框架，用于生成信息性和主题连贯性更强的时间线摘要。研究介绍了多种时间线摘要生成方法及评估指标，创建了DiverseSumm数据集以应对多样信息摘要的挑战，并分析了大型语言模型在此任务中的表现。实验结果表明，背景摘要机制和合适的模型在处理复杂事件时效果显著，为多语言新闻摘要任务提供了新思路。