CHATGPT是由GPT（Generative Pre-trained Transformer）方法改进而来的。GPT是一种基于循环神经网络（RNN）的神经语言模型，使用了自回归机制，可用于预测下一个字符或单词，从而在语言生成、机器翻译等领域有着广泛的应用。相比之下，CHATGPT使用的是预测式模型，可大大提高模型的训练速度和效率。
在训练过程中，CHATGPT主要使用了两种技术。它使用了多任务学习技术，对摘要生成任务、篇章相似度任务和篇章连贯性任务进行联合训练，以提高模型的鲁棒性和泛化性能。CHATGPT使用了自适应词表技术。与传统的固定词表不同，CHATGPT的词表会随着训练数据的变化而动态调整，从而可以更好地处理未知词汇和生僻词汇，提高模型的性能和可用性。
CHATGPT是一种基于预测式模型、多任务学习技术和自适应词表技术的中文自动摘要模型。它的优秀性能使得其在自动摘要领域具有广泛的应用价值，将为实现智能化的信息处理和管理提供有力的支持。
自动摘要是一种将长篇文献精简成短篇摘要的技术，具有重要的实际应用价值。CHATGPT（Chinese Automatic Text summarization with GPT）是一种中文自动摘要模型，由中山大学南方学院的研究团队开发，可在其它任务（如机器翻译、长文分类）中使用。在2021年第六届中国计算机学术大会（CCF C）上，CHATGPT在中文自动摘要领域获得了最好的结果，证明了其在自动摘要领域的良好性能。
CHATGPT的性能在多个基准数据集上进行了测试，结果表明，它在自动摘要领域的性能优于其它常见的自动摘要模型。此外，CHATGPT在抗干扰能力、生成效果和摘要连贯性等方面也有着出色的表现。这些性能优异的特点使CHATGPT成为了中文自动摘要领域的一种重要解决方案。
CHATGPT统一文献：大赛中文自动摘要模型的介绍
