本文提出了一种新的科研论文摘要方法，结合提取性和抽象性，利用大规模注释语料库和无监督学习模型，取得了超越人类摘要的效果，推动了自动文摘技术的发展。

MovieQA数据集用于评估从视频和文本中理解故事的能力，包含408部电影的14,944个问题。研究展示了基于叙述结构的摘要模型和多模态信息的应用，旨在提升自动文摘的性能和准确性。

本文探讨了面向查询的摘要（QFS）方法，介绍了多种基于神经网络的模型及其在自动文摘中的应用。这些模型通过引入查询相关性和约束生成，提升了摘要的质量和一致性，并在多个数据集上表现出优越性能。

本文研究了自动文摘评估指标的可靠性，并提出了改进评估体系的建议。需要收集更多高质量的人类判断和改进自动评估指标。