抽取式摘要新框架：CNN-BiLSTM如何解决医疗文本的事实幻觉难题

大语言模型让摘要生成变得异常流畅，但在生物医学与临床领域，一个致命隐患始终存在——生成式摘要会“幻觉”出并不存在的事实。一份看似专业的病历摘要中若出现凭空捏造的诊断或数值，后果可能危及患者安全。一篇新发布的arXiv论文提出了一条截然不同的技术路线：干脆把“生成”这一步从流程中彻底移除，转而将摘要任务重新定义为抽取式句子选择。

为什么放弃生成式摘要

生成式（abstractive）摘要的核心问题在于，模型会用自己的语言重新组织内容，这个过程中难免引入原文没有的信息，即所谓的“事实漂移”（factual drift）。在新闻或通用文本里，偶尔的措辞偏差尚可接受；但在临床报告、放射影像描述、病程记录这类场景中，任何一处事实失真都可能带来严重风险。

这篇论文的思路是回归抽取式（extractive）摘要——不再让模型“写”摘要，而是让它从原文中“挑”出最重要的句子。由于每一个输出句子都直接复制自输入，模型从架构层面就杜绝了生成引发的事实错误。作者将这种设计理念概括为“可信源于设计，而非源于事后修正”（trustworthy by design rather than by correction），这也是该工作最值得关注的立意所在。

混合分层架构的技术设计

论文提出的模型名为 Hybrid Hierarchical CNN-LSTM Summarizer，其结构可以拆解为几个协同工作的模块。

多核卷积构建句间表示

模型首先使用堆叠的多核卷积（multi-kernel convolutions），将句子级别的嵌入向量组合成更丰富的句间表示。不同宽度的卷积核相当于不同的“视野窗口”，能够捕捉相邻句子之间的局部语义关联。消融实验显示，更宽的卷积感受野能够提升句子评分的准确性，这说明捕捉更大范围的上下文对判断句子重要性确有帮助。

双向LSTM建模长程依赖

在卷积层之上，模型接入一个双向LSTM（BiLSTM），用于建模整篇文档中跨度较长的依赖关系。CNN擅长局部特征提取，而BiLSTM能够把握全局结构，二者结合形成了“先局部聚合、再全局建模”的分层设计，这也是“Hierarchical”一词的由来。

轻量评分头与端到端训练

最后由一个轻量的**评分头（scoring head）**为每个句子输出重要性分数。整个网络采用二元交叉熵（binary cross-entropy）损失，对照oracle抽取标签进行端到端训练，判断每个句子是否应被纳入摘要。

动态阈值的句子筛选策略

模型在推理阶段的筛选机制颇具巧思。它没有采用固定的句子数量，而是使用**“均值加标准差”的动态阈值来决定哪些句子入选——分数显著高于文档平均水平的句子才会被保留。为防止某些文档筛不出足够内容，还设置了top-3兜底机制**，确保至少选出三个句子。

入选句子会按照在原文中出现的时间顺序（chronological order）重新排列，形成最终摘要。这一步对临床文本尤为重要，因为病程记录、检查结果往往具有时间逻辑，打乱顺序会损害可读性和临床价值。

实验结果与局限

在实验层面，该架构在多个数据集上得到了验证。

在 PubMed 数据集上，混合架构的表现优于单独的CNN基线和LSTM基线，证明了CNN与LSTM结合的有效性。

在 MIMIC-CXR（胸片报告）和 MIMIC-IV BHC（出院小结）上，结果则呈现出更细致的分化：模型在非结构化叙述文本上表现良好，但面对高度模板化的报告时，性能会退化到接近位置基线（positional baselines）的水平。换句话说，当报告本身格式高度固定、重要信息总是出现在特定位置时，复杂模型相比“直接取开头几句”这类简单策略并没有明显优势。这一发现如实揭示了方法的适用边界——结构化约束的价值主要体现在处理自由文本时。

对可信AI的启示

这项工作的意义超出了单一模型本身。在生成式AI席卷各行各业的当下，它提醒我们：并非所有场景都适合追求“流畅生成”。在容错率极低的医疗领域，用架构约束换取事实可靠性是一种值得认真对待的权衡。

抽取式摘要牺牲了一定的语言流畅度和信息压缩率，但换来了“每句话都可追溯到原文”的可验证性。对于需要监管审查、法律追责或临床决策支持的系统而言，这种“设计即可信”的思路，可能比在生成式模型后不断打补丁纠错更为务实。当然，如何在保证事实性的同时进一步提升摘要的连贯性，仍是这一路线未来需要突破的方向。