数字文本的急剧增加造成了对有效自动摘要系统的巨大需求。手动总结大型文档耗时且往往不切实际。最近对变压器神经语言模型的改进显著提升了抽象摘要的效果。在本研究中，我们评估了三种神经语言模型在自动文本摘要方面的相对性能，具体为BART、T5和GPT，使用相同的条件（压缩比用于简洁性和ROUGE指标用于摘要质量）。我们提出了一种结合的性能指标，用于比较长度与信息量之间的权衡。我们的实验结果表明，编码器-解码器架构在自动摘要任务中优于自回归架构。BART在三种评估模型中生成了最高质量的摘要。我们的研究提出了一个评估框架和模型选择的方法，以助于高效开发实用的摘要系统.
*1G. Krishnaveni, 2B. Sarushma, 3L. Samuel Raju, 4A. Rakesh, 5B. Sai Pavan（周一）研究了这个问题。