基于Hugging Face BART模型构建文本摘要服务：从原理到部署实战

1. 项目概述从零构建一个可用的文本摘要服务文本摘要这个听起来有点学术的词其实离我们很近。想想看每天面对海量的新闻、报告、论文甚至冗长的会议纪要谁不想快速抓住核心要点这就是文本摘要技术要解决的问题。它不是一个简单的“删减”而是让机器像人一样理解一篇文章然后用更精炼的语言重新表述其核心思想。过去这很难但自从Transformer架构和像Hugging Face这样的开源社区出现后事情变得不一样了。我最近花了些时间基于Hugging Face的BART模型完整地走了一遍从模型选型、效果调优到最终部署成API服务的全流程。这不仅仅是调用一个API那么简单中间涉及到模型原理的理解、生成参数对结果的影响、以及如何将一个研究模型变成稳定可靠的生产服务。整个过程踩了不少坑也积累了一些实战心得。这篇文章我就以一个开发者的视角把这段经历拆开揉碎了讲清楚目标是让你看完后不仅能自己跑通一个摘要demo更能理解背后的“为什么”并具备部署一个健壮服务的能力。无论你是刚接触NLP的开发者还是想将AI能力集成到产品中的工程师相信都能从中找到实用的参考。2. 核心模型解析为什么是BART在动手之前选对模型是成功的一半。文本摘要模型众多为何我最终选择了BART这背后是一系列技术和实践权衡的结果。2.1 摘要技术的两种路径抽取式与生成式文本摘要主要分两大流派抽取式和生成式。抽取式摘要就像用荧光笔在原文中划重点句子然后把这些句子直接拼接起来。它的优点是忠实于原文绝不会“无中生有”但缺点是不够连贯读起来可能像拼贴画而且无法概括原文中没有直接出现的深层含义。传统的TextRank、LSA等算法属于此类。生成式摘要则高级得多它要求模型先“读懂”文章然后像人一样“重新写”一个摘要。这个过程可能使用原文中没有的新词、新句式。这无疑更符合我们对“摘要”的终极想象但难度也呈指数级上升模型容易产生事实错误即“幻觉”或逻辑不通的句子。随着Transformer架构的出现特别是像GPT、T5、BART这类预训练模型生成式摘要的质量得到了质的飞跃。它们通过在海量文本上预训练学会了语言的通用规律和世界知识再经过特定数据集的微调就能产出流畅、准确的摘要。2.2 BART模型的独特优势在众多生成式模型中我选择BART主要基于以下几点考量架构设计贴合任务BART的全称是“Bidirectional and Auto-Regressive Transformers”。这个名字就揭示了它的核心一个双向编码器加一个自回归解码器。编码器像是一个全能的读者可以同时看到文本的所有部分双向从而全面理解上下文。解码器则像一个逐字写作的作家自回归根据编码器的理解和已生成的内容预测下一个词。这种“理解-生成”的架构天生就为文本生成类任务如摘要、翻译量身定制。预训练目标巧妙BART在预训练阶段采用了“去噪自编码”的方式。简单说就是把一篇完整的文章“破坏”掉比如随机遮盖一些词、打乱句子顺序、删除部分文本然后让模型去恢复原文。这个过程强迫模型去学习文本的内在逻辑和语义连贯性而不是简单的词语统计。这种训练方式让BART对文本的“修复”和“重构”能力极强而这正是生成一个高质量摘要所需要的核心能力——从可能冗余、散乱的信息中重构出精炼、连贯的核心表述。实践友好性在Hugging Face生态中facebook/bart-large-cnn是一个经过CNN/DailyMail新闻数据集微调的模型开箱即用在通用新闻摘要上效果非常稳定。社区支持好文档和示例丰富遇到问题容易找到解决方案。相比于一些更庞大的模型如T5-11BBART-large在效果和推理资源消耗上取得了很好的平衡更适合作为API服务部署。注意模型选择没有银弹。如果你的摘要对象是特定领域文本如法律合同、医学论文直接使用通用BART模型效果可能打折扣。这时领域数据微调或选择领域预训练模型如BioBERT、Legal-BERT基础上构建的摘要模型是必经之路。3. 快速上手用Hugging Face Pipeline三行代码实现摘要理论说了不少我们来点实际的。Hugging Face的transformers库最大的魅力之一就是其pipelineAPI它把加载模型、预处理、推理、后处理这些繁琐步骤打包成了一行命令。对于快速验证和原型开发这简直是神器。3.1 环境搭建与基础调用首先确保你的环境已经安装了必要的库。我强烈建议使用虚拟环境来管理依赖。pip install transformers torch如果你的机器有CUDA支持的NVIDIA GPU并且安装了对应版本的PyTorch那么推理速度会快很多。没有GPU也能跑只是慢一些。接下来就是见证“三行代码”魔力的时刻from transformers import pipeline # 创建摘要pipeline指定使用BART-large-CNN模型 summarizer pipeline(summarization, modelfacebook/bart-large-cnn) # 准备你的长文本 article 自然语言处理NLP是人工智能领域的一个重要分支致力于让计算机理解、解释和生成人类语言。 近年来随着深度学习技术的发展特别是Transformer架构的提出NLP在机器翻译、文本摘要、情感分析等任务上取得了突破性进展。 例如基于Transformer的模型如BERT、GPT和BART通过在海量文本数据上进行预训练学会了丰富的语言知识 再通过微调就能在特定任务上表现出色。这些进步使得智能客服、自动报告生成、实时翻译等应用得以实现极大地改变了人机交互的方式。 # 生成摘要 summary summarizer(article, max_length130, min_length30, do_sampleFalse) print(summary[0][summary_text])执行这段代码你可能会得到类似这样的输出“自然语言处理是AI的重要分支Transformer架构的突破使其在翻译、摘要等任务上取得进展推动了智能客服等应用的发展。”看一个连贯、抓住了核心信息的摘要就生成了。pipeline自动帮你处理了所有底层细节下载模型、加载分词器、将文本转换为模型能理解的token、运行模型推理、再将输出的token解码回文字。3.2 关键参数详解与调优心得上面代码中的max_length,min_length,do_sample参数是控制摘要质量的“旋钮”。理解它们你才能从“能用”到“好用”。max_length和min_length这两个参数分别控制摘要的最大和最小长度以词元token计大致可理解为单词数。设置它们需要一点技巧。max_length太短可能丢失关键信息太长则可能包含冗余。min_length可以避免模型生成过于简短的、无意义的摘要。我的经验是对于中文max_length可以设为原文长度的1/5到1/3对于新闻类文本max_length130, min_length30是个不错的起点。你需要根据你的文本类型和期望的摘要密度进行调整。do_sample这个参数决定了生成策略。当do_sampleFalse时模型使用贪心解码每一步都选择概率最高的词。这种方式生成的结果通常是最流畅、最“安全”的但可能缺乏一点多样性有时会陷入重复的循环。当do_sampleTrue时模型会从概率分布中采样这意味着每次生成都可能略有不同更有“创造性”但也更可能产生语法错误或事实偏差。对于生产环境的摘要服务我强烈建议先设置为False以保证稳定性和一致性。num_beams(束搜索)这是一个在pipeline中默认可能未开启但极其重要的高级参数。你可以在调用时传入num_beams4来启用。贪心解码是“目光短浅”的只选当前最优。束搜索则保留了多个可能序列束在每一步都扩展这些序列最后选择总体概率最高的那个。这相当于一次“向前多看几步”通常能获得质量更高、更连贯的摘要。代价是计算量会增大约为束宽倍数。在效果和速度的权衡中num_beams4是一个广泛使用的折中选择。一个更精细的调用示例summary summarizer( article, max_length150, min_length40, num_beams4, # 使用束搜索提高质量 length_penalty2.0, # 长度惩罚鼓励生成长度更接近max_length的摘要 early_stoppingTrue, # 当所有束假设都生成出结束符时提前停止节省计算 do_sampleFalse )实操心得在开发初期不要只盯着ROUGE分数。一定要人工检查一批摘要样本。你会发现有时分数高的摘要读起来并不自然而调整length_penalty例如设为0.8鼓励简短或2.0鼓励更长或启用no_repeat_ngram_size3禁止重复的三元组能显著改善阅读体验。模型调参是门艺术需要结合自动评估和人工评判。4. 从脚本到服务使用Flask部署摘要API本地跑通模型只是第一步。要让其他应用或同事能用上这个功能我们需要将其封装成一个Web API。Python的Flask框架轻量、灵活非常适合快速构建这类机器学习服务的原型。4.1 构建基础的Flask应用我们来创建一个完整的、具备错误处理和基本日志的摘要API服务。项目结构如下text_summarization_api/ ├── app.py # Flask主应用 ├── requirements.txt # 依赖文件 └── wsgi.py # 用于生产环境部署可选首先创建requirements.txtflask2.0.0 transformers4.15.0 torch sentencepiece # BART分词器可能需要的依赖然后编写核心的app.pyfrom flask import Flask, request, jsonify from transformers import pipeline import logging from functools import lru_cache # 配置日志 logging.basicConfig(levellogging.INFO) logger logging.getLogger(__name__) app Flask(__name__) # 使用缓存避免每次请求都重新加载模型这是性能关键 lru_cache(maxsize1) def get_summarizer(): 获取摘要pipeline利用缓存单例模式 logger.info(Loading BART summarization model... (This happens only once)) # 首次调用时加载模型后续调用直接使用缓存实例 summarizer pipeline( summarization, modelfacebook/bart-large-cnn, device-1 # -1表示CPU如果有GPU可改为0 ) return summarizer app.route(/health, methods[GET]) def health_check(): 健康检查端点用于监控服务状态 return jsonify({status: healthy, service: text-summarization-api}), 200 app.route(/summarize, methods[POST]) def summarize(): 摘要生成端点 请求体JSON格式: {text: 需要摘要的长文本, max_length: 130, min_length: 30} # 1. 获取并验证请求数据 data request.get_json() if not data or text not in data: logger.warning(Invalid request: missing text field) return jsonify({error: Request body must be JSON with a text field}), 400 input_text data[text] if not isinstance(input_text, str) or len(input_text.strip()) 0: return jsonify({error: text field must be a non-empty string}), 400 # 2. 获取参数提供默认值 max_len data.get(max_length, 130) min_len data.get(min_length, 30) # 简单的参数校验 if not (10 min_len max_len 1024): return jsonify({error: Parameters out of reasonable range. Suggested: 10 min_length max_length 1024}), 400 try: # 3. 获取模型并执行摘要 summarizer get_summarizer() logger.info(fGenerating summary for text of length {len(input_text)}) # 这里可以添加更复杂的生成参数 result summarizer( input_text, max_lengthmax_len, min_lengthmin_len, num_beams4, length_penalty2.0, early_stoppingTrue, do_sampleFalse ) summary_text result[0][summary_text] # 4. 返回结果 response { summary: summary_text, original_length: len(input_text), summary_length: len(summary_text), model: facebook/bart-large-cnn } logger.info(Summary generated successfully.) return jsonify(response), 200 except Exception as e: # 5. 异常处理 logger.error(fError during summarization: {str(e)}, exc_infoTrue) return jsonify({error: An internal server error occurred during summarization.}), 500 if __name__ __main__: # 仅在开发环境运行 app.run(host0.0.0.0, port5000, debugFalse) # 生产环境务必设置debugFalse4.2 服务测试与客户端调用启动服务python app.py服务启动后你可以使用curl命令、Postman或编写一个简单的Python客户端进行测试。使用curl测试curl -X POST http://127.0.0.1:5000/summarize \ -H Content-Type: application/json \ -d { text: 自然语言处理是人工智能领域的一个重要分支致力于让计算机理解、解释和生成人类语言。近年来随着深度学习技术的发展特别是Transformer架构的提出NLP在机器翻译、文本摘要、情感分析等任务上取得了突破性进展。例如基于Transformer的模型如BERT、GPT和BART通过在海量文本数据上进行预训练学会了丰富的语言知识再通过微调就能在特定任务上表现出色。这些进步使得智能客服、自动报告生成、实时翻译等应用得以实现极大地改变了人机交互的方式。, max_length: 100, min_length: 40 }使用Pythonrequests库测试import requests import json url http://127.0.0.1:5000/summarize data { text: 你的长文本内容..., max_length: 130, min_length: 50 } response requests.post(url, jsondata) if response.status_code 200: result response.json() print(生成的摘要, result[summary]) print(f原文长度{result[original_length]}摘要长度{result[summary_length]}) else: print(请求失败, response.status_code, response.text)避坑指南在本地测试时如果遇到“Connection refused”错误请检查Flask服务是否真的在指定端口默认5000启动以及防火墙设置。另外首次运行会下载模型约1.6GB需要一定时间和稳定的网络。建议在Dockerfile或部署脚本中提前处理好模型下载避免服务启动超时。5. 进阶实践模型微调与性能优化直接使用预训练模型虽然方便但“通用”往往意味着在特定领域不够“专业”。如果你的摘要对象是科技论文、医疗报告或法律文书微调模型是提升效果最直接的手段。5.1 准备领域特定的数据集微调需要你有“原文-摘要”配对的数据。以SAMSum对话摘要数据集为例我们看看如何准备数据。from datasets import load_dataset from transformers import AutoTokenizer, AutoModelForSeq2SeqLM, DataCollatorForSeq2Seq, Seq2SeqTrainingArguments, Seq2SeqTrainer # 1. 加载数据集 dataset load_dataset(samsum) print(dataset[train][0]) # 查看一条样例{dialogue: ..., summary: ...} # 2. 加载分词器和模型 model_checkpoint facebook/bart-large-cnn tokenizer AutoTokenizer.from_pretrained(model_checkpoint) model AutoModelForSeq2SeqLM.from_pretrained(model_checkpoint) # 3. 数据预处理函数 def preprocess_function(examples): # 对对话原文进行前缀处理有些模型需要特定的任务前缀BART通常不需要但加上更清晰 inputs [summarize: dialogue for dialogue in examples[dialogue]] # 对模型输入原文进行编码 model_inputs tokenizer(inputs, max_length1024, truncationTrue, paddingmax_length) # 对标签摘要进行编码 with tokenizer.as_target_tokenizer(): labels tokenizer(examples[summary], max_length128, truncationTrue, paddingmax_length) model_inputs[labels] labels[input_ids] return model_inputs # 4. 应用预处理到整个数据集 tokenized_datasets dataset.map(preprocess_function, batchedTrue)5.2 配置训练参数与开始训练Hugging Face的TrainerAPI大大简化了训练流程。from transformers import DataCollatorForSeq2Seq # 5. 数据整理器动态处理padding data_collator DataCollatorForSeq2Seq(tokenizer, modelmodel) # 6. 定义训练参数 training_args Seq2SeqTrainingArguments( output_dir./bart-samsum-finetuned, # 输出目录 evaluation_strategyepoch, # 每个epoch评估一次 learning_rate5e-5, # 较小的学习率因为是在预训练模型上微调 per_device_train_batch_size4, # 根据你的GPU内存调整 per_device_eval_batch_size4, weight_decay0.01, # 权重衰减防止过拟合 save_total_limit3, # 只保留最后3个检查点 num_train_epochs3, # 训练轮数根据数据集大小调整 predict_with_generateTrue, # 评估时生成文本而不仅仅是计算loss fp16True, # 如果GPU支持使用混合精度训练加速 logging_dir./logs, # 日志目录 logging_steps50, save_strategyepoch, load_best_model_at_endTrue, # 训练结束后加载最佳模型 metric_for_best_modelrougeL, # 根据ROUGE-L分数选择最佳模型 ) # 7. 定义评估函数使用ROUGE分数 import evaluate rouge evaluate.load(rouge) def compute_metrics(eval_pred): predictions, labels eval_pred # 解码预测结果跳过特殊token decoded_preds tokenizer.batch_decode(predictions, skip_special_tokensTrue) # 解码标签将-100替换为pad token id后再解码 labels np.where(labels ! -100, labels, tokenizer.pad_token_id) decoded_labels tokenizer.batch_decode(labels, skip_special_tokensTrue) # 计算ROUGE分数 result rouge.compute(predictionsdecoded_preds, referencesdecoded_labels, use_stemmerTrue) # 提取几个关键指标 result {key: value * 100 for key, value in result.items()} return {k: round(v, 4) for k, v in result.items()} # 8. 初始化Trainer trainer Seq2SeqTrainer( modelmodel, argstraining_args, train_datasettokenized_datasets[train], eval_datasettokenized_datasets[validation], data_collatordata_collator, tokenizertokenizer, compute_metricscompute_metrics, ) # 9. 开始训练 trainer.train()5.3 模型优化与推理加速技巧训练好的模型要部署性能是关键。以下是一些实战中提升推理速度的技巧1. 模型量化将模型参数从32位浮点数FP32转换为16位浮点数FP16甚至8位整数INT8可以显著减少内存占用并提升推理速度而对精度影响很小。from transformers import pipeline import torch # 使用FP16精度加载模型如果GPU支持 summarizer pipeline( summarization, model./bart-samsum-finetuned, # 你的微调模型路径 device0 if torch.cuda.is_available() else -1, torch_dtypetorch.float16 # 使用半精度 )2. 使用ONNX Runtime加速将PyTorch模型转换为ONNX格式并用ONNX Runtime进行推理通常能获得比原生PyTorch更快的速度尤其对于CPU部署。3. 批处理Batching当API需要处理多个并发请求时将多个请求的文本拼成一个批次batch输入模型能极大提升GPU利用率和整体吞吐量。这需要在Flask服务层实现一个请求队列和批处理调度器稍微复杂但对高并发场景至关重要。4. 使用更快的运行时对于生产环境考虑使用FastAPI替代Flask。FastAPI基于ASGI原生支持异步性能更好并且有自动生成的交互式API文档。也可以考虑专门的模型服务框架如TorchServePyTorch官方或Triton Inference ServerNVIDIA它们提供了更专业的管理、监控和优化功能。经验之谈微调前务必先评估预训练模型的零样本zero-shot效果。有时简单的提示工程Prompt Engineering或少量示例few-shot就能达到不错的效果避免不必要的训练成本。只有当通用模型确实无法满足需求时再启动微调。微调时从小学习率开始如5e-5并密切监控验证集损失防止过拟合。使用早停Early Stopping是保护模型性能的有效手段。6. 生产环境部署与监控将开发环境的Flask脚本变成7x24小时稳定运行的生产服务是另一项挑战。这里我们讨论几个关键环节。6.1 使用Gunicorn提升服务稳定性Flask自带的开发服务器性能弱不适合生产。Gunicorn是一个Python WSGI HTTP服务器能管理多个工作进程处理并发请求更高效。首先安装Gunicornpip install gunicorn创建一个wsgi.py文件作为Gunicorn的入口点from app import app # 假设你的Flask应用实例在app.py中名为app if __name__ __main__: app.run()使用Gunicorn启动服务在项目根目录下gunicorn -w 4 -b 0.0.0.0:8000 wsgi:app-w 4启动4个工作进程通常建议设置为CPU核心数的2-4倍。-b 0.0.0.0:8000绑定到所有网络接口的8000端口。wsgi:app指定入口模块和应用实例。6.2 容器化部署使用DockerDocker能确保环境一致性方便在不同机器上部署。创建一个Dockerfile# 使用官方Python镜像 FROM python:3.9-slim # 设置工作目录 WORKDIR /app # 复制依赖文件并安装 COPY requirements.txt . RUN pip install --no-cache-dir -r requirements.txt # 复制应用代码 COPY . . # 提前下载模型可选避免每次启动时下载 # 可以在构建时运行一个脚本下载模型或者将模型文件直接COPY进镜像 # RUN python -c from transformers import pipeline; pipeline(summarization, modelfacebook/bart-large-cnn) # 暴露端口 EXPOSE 8000 # 使用Gunicorn启动应用 CMD [gunicorn, -w, 4, -b, 0.0.0.0:8000, wsgi:app]构建并运行Docker镜像docker build -t text-summarization-api . docker run -p 8000:8000 text-summarization-api6.3 云平台部署示例以Render为例许多云平台提供简单的Web服务部署。以Render为例它支持直接从Git仓库部署。在项目根目录创建render.yaml文件services: - type: web name: text-summarization-api env: python buildCommand: pip install -r requirements.txt startCommand: gunicorn -w 4 -b 0.0.0.0:$PORT wsgi:app envVars: - key: PYTHON_VERSION value: 3.9.0将代码推送到GitHub/GitLab。在Render控制台连接仓库选择render.yaml即可自动部署。6.4 添加监控与日志一个健壮的服务离不开监控。除了Flask自带的日志可以集成更强大的工具。结构化日志使用structlog或json-log-formatter输出JSON格式的日志方便被ELKElasticsearch, Logstash, Kibana或云日志服务采集。健康检查与指标我们之前已经实现了/health端点。可以进一步添加/metrics端点使用prometheus_client库暴露模型调用次数、响应时间、错误率等指标方便Prometheus抓取。限流与鉴权生产API必须考虑安全和资源控制。可以使用Flask扩展如Flask-Limiter进行接口限流例如每分钟每个IP 60次使用Flask-HTTPAuth或JWTJSON Web Tokens添加简单的API密钥认证。from flask_limiter import Limiter from flask_limiter.util import get_remote_address limiter Limiter( appapp, key_funcget_remote_address, # 根据客户端IP限流 default_limits[200 per day, 50 per hour] ) app.route(/summarize, methods[POST]) limiter.limit(10 per minute) # 对此端点单独限流 def summarize(): # ... 原有逻辑部署 checklist模型缓存确保模型只加载一次如使用lru_cache或全局变量。超时设置在Gunicorn或云平台配置中设置合理的请求超时时间如30秒防止长文本导致请求挂起。资源限制在API层面验证输入文本长度拒绝过长的请求例如限制为10000字符保护后端服务。错误兜底对于模型生成失败或超时的情况要有降级策略比如返回一个友好的错误信息或者尝试一种简单的抽取式摘要方法作为后备。成本监控如果使用按需付费的GPU云服务务必设置预算告警。CPU推理虽然慢但对于中小流量、对延迟不敏感的服务往往是更经济的选择。7. 常见问题排查与性能调优实录在实际开发和运维中你一定会遇到各种奇怪的问题。这里记录了几个我踩过的坑和解决方案。7.1 模型加载慢或内存溢出OOM问题服务启动时加载模型时间过长或者处理稍长文本就报CUDA out of memory错误。排查与解决使用更小的模型如果bart-large太大可以尝试bart-base或distilbart蒸馏版的小模型在效果和资源间权衡。动态加载与卸载对于多模型场景可以实现一个简单的模型管理器按需将不用的模型从GPU显存中卸载。CPU卸载如果GPU内存紧张可以将部分层如编码器放在CPU上但这会显著增加推理延迟。Hugging Face的accelerate库可以方便地实现这一点。启用梯度检查点在微调训练时如果遇到OOM可以在TrainingArguments中设置gradient_checkpointingTrue用计算时间换内存空间。7.2 生成结果不理想重复、无关或太短问题摘要里同一句话重复多次或者包含了原文没有的无关信息或者生成的内容过短。调优策略调整生成参数这是第一道防线。系统性地调整以下参数组合repetition_penalty大于1.0的值可以惩罚重复的token有效减少重复。通常设置在1.1到1.5之间。no_repeat_ngram_size设置为2或3禁止二元组或三元组重复出现。length_penalty如果摘要太短尝试降低该值如0.8如果太长且啰嗦提高该值如2.0。num_beams增加束宽如从4到8通常能提高质量但会更慢。后处理如果模型输出末尾有奇怪的重复或截断可以编写简单的后处理规则比如删除最后一个不完整的句子或者基于标点进行截断。检查输入模型对输入格式敏感。确保输入文本是干净的没有过多的换行符、乱码或特殊标记。对于非常规格式如HTML、Markdown先进行清洗和提取纯文本。7.3 API响应慢吞吐量低问题服务并发处理能力弱用户请求排队严重。性能优化启用批处理这是提升GPU利用率和吞吐量最有效的方法。需要修改API逻辑将短时间内收到的多个请求聚合一次性送入模型。# 伪代码示例简单的批处理逻辑 request_queue [] batch_size 8 max_wait_time 0.1 # 秒 def process_batch(): if not request_queue: return texts [req[text] for req in request_queue[:batch_size]] # 调用支持批处理的模型pipeline summaries summarizer(texts, max_length130, min_length30, ...) # 将结果返回给对应的请求 for req, summary in zip(request_queue[:batch_size], summaries): req[future].set_result(summary) # 从队列中移除已处理的请求 del request_queue[:batch_size]使用异步框架将Flask替换为FastAPI并利用async/await和非阻塞IO来处理请求可以更好地支持高并发。硬件升级如果预算允许升级到更强大的GPU如V100, A100或使用支持TensorRT等推理加速库能带来立竿见影的效果。7.4 领域适配问题问题在通用新闻上训练的BART用来摘要技术文档或财务报告时效果很差术语理解错误。解决方案领域词汇表在推理前将领域内的关键术语如产品名、专业缩写添加到分词器的tokenizer中或者确保它们在预处理时不会被错误地切分。提示工程在输入文本前加上领域相关的指令引导模型。例如在摘要医疗报告时输入可以是“请用医学术语总结以下病历{原文}”。少量样本微调如果有一些领域内的“原文-摘要”配对数据哪怕只有几十到几百条进行低秩适应LoRA微调是性价比极高的方法。LoRA只训练模型的一小部分参数速度快所需数据少且能保持模型原有的通用知识。检索增强对于高度专业化的领域可以考虑“检索-生成”框架。先用检索系统找到知识库中相关的句子或段落再将它们和原文一起输入给模型辅助其生成更准确的摘要。一个真实的调试案例我们曾遇到一个服务摘要结果中总出现无关的日期。排查发现是因为训练数据中很多新闻开头都有日期模型学到了这个模式。通过在输入中移除明显的日期前缀并在后处理中过滤掉生成结果中的日期模式问题得到了解决。这提醒我们模型的输出是它所学数据分布的反映理解你的数据是调试的第一步。