LLM探索長文本壓縮與摘要生成：基於檢索增強的大型語言模型方法 系列

隨著大型語言模型（LLM）的快速發展，文本生成與理解能力有了顯著提升。然而，當面對長篇幅文本（如新聞報導、科研論文、法律文件）時，LLM 仍受到 上下文長度限制 與 資訊稀釋 的挑戰，使得摘要生成的準確性與完整性難以保障。本研究旨在探索 長文本壓縮與摘要生成 的方法，並聚焦於 檢索增強（Retrieval-Augmented Generation, RAG） 技術的應用。