使用 Seq2Seq 模型生成摘要
运行抽象式摘要器
使用 Seq2Seq 模型生成摘要 是 CoddyKit 上的免费 NLP Academy 课时。 这是第 2 节课，共 4 节。 你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。 这是 NLP Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 NLP Academy 课程共包含 4 节课。
什么是 Seq2Seq？
Seq2Seq模型会将一个词语序列映射为另一个词语序列。向它输入一篇长文章，它会输出一个更短的序列，也就是您的摘要。🔁
编码器和解码器
Seq2Seq 由两部分组成。编码器读取并压缩输入，解码器则一次生成一个词元来编写输出。
为生成而构建
由于解码器会写出新的词元，Seq2Seq 模型天然属于抽象式模型。它们通过改写而非复制来生成流畅摘要。
常用摘要模型
像 BART、T5 和 Pegasus 这样的模型，都是为摘要任务构建的预训练 Seq2Seq Transformer。您无需自行训练模型即可使用它们。
简单方法：管道
Hugging Face 将所有内容封装在一个管道中。一行代码即可加载准备好进行摘要的模型和分词器。
from transformers import pipeline
summarizer = pipeline("summarization")运行您的第一个摘要
将文本传给管道，然后读取结果。模型会返回一个包含生成的摘要文本的列表。
out = summarizer(article, max_length=60, min_length=20)
print(out[0]["summary_text"])控制长度
使用最大长度和最小长度限制输出大小。更严格的限制会迫使摘要变得更短、更有力。
注意输入限制
每个模型都有最大输入大小，通常约为 1024 个词元。更长的文档必须先分块或截断。
贪心搜索与束搜索
解码器可以选择单个最佳的下一个词元，也可以使用束搜索探索多条路径。束搜索通常会生成更加流畅的摘要。
选择特定模型
指定模型名称即可覆盖默认模型。像 distilbart 这样经过摘要任务调优的检查点规模更小、速度更快，适合快速演示。
summarizer = pipeline("summarization",
model="sshleifer/distilbart-cnn-12-6")始终检查输出
Seq2Seq 输出是生成的，因此可能偏离原文。在信任抽象式摘要之前，请始终核实关键事实。✅
快速检查
Seq2Seq 模型的哪一部分负责生成摘要词元？
回顾
您使用 Hugging Face 的流水线运行了一个 seq2seq 摘要器，调整了其长度，并学会了遵守输入限制和验证输出。🎯
常见问题解答
「使用 Seq2Seq 模型生成摘要」课时是免费的吗？
是的 — 「使用 Seq2Seq 模型生成摘要」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 NLP Academy 课程的其余内容，请升级到 CoddyKit PRO。 NLP Academy 课程共包含 4 节课。
「使用 Seq2Seq 模型生成摘要」这节课中我会学到什么？
运行抽象式摘要器 你通过在浏览器中直接运行的动手代码来练习 NLP Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。
学习 NLP Academy 需要有经验吗？
无需任何先前经验。CoddyKit 上的 NLP Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。 这是第 2 节课，共 4 节。
「使用 Seq2Seq 模型生成摘要」课时需要多长时间？
大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。
我能在这节 NLP Academy 课中编写并运行代码吗？
能。每节 NLP Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。
此课程中的所有课时
- 抽取式摘要与抽象式摘要
- 使用 Seq2Seq 模型生成摘要
- 实践机器翻译
- 使用 ROUGE 与 BLEU 评估生成结果