Key Point Summary Textual Quality on AMAZONKP (test) benchmark leaderboard · SOTA2 Research

Key Point Summary Textual Quality on AMAZONKP (test)

0.256ROUGE-1QQSUM-RAG

Evaluation Results

Method	Links
QQSUM-RAG2025.06		0.256	0.061	0.22	0.39	0.29	0.33	0.37	0.51	0.41	0.46	0.49	0.88	0.82	0.85	0.36
QQSUM-RAG2025.06		0.222	0.078	0.204	0.38	0.26	0.31	0.53	0.49	0.39	0.44	0.54	0.87	0.81	0.84	0.36
Frozen Retriever + prompt LLM2025.06		0.21	0.055	0.191	0.33	0.26	0.29	0.51	0.46	0.38	0.42	0.55	0.79	0.8	0.79	0.41
Retriever + LLM (co-train)2025.06		0.209	0.057	0.194	0.37	0.28	0.32	0.43	0.49	0.4	0.44	0.55	0.81	0.82	0.81	0.41
Frozen Retriever + prompt LLM2025.06		0.197	0.048	0.174	0.32	0.25	0.28	0.44	0.45	0.38	0.41	0.54	0.77	0.77	0.77	0.38
Frozen Retriever + KPA2025.06		0.179	0.027	0.162	0.34	0.28	0.31	0.46	0.47	0.41	0.44	0.54	0.79	0.8	0.8	0.36
Retriever + LLM (co-train)2025.06		0.174	0.041	0.161	0.37	0.26	0.31	0.48	0.48	0.38	0.42	0.58	0.78	0.78	0.78	0.41
Frozen Retriever + prompt LLM2025.06		0.164	0.059	0.154	0.22	0.2	0.21	0.48	0.46	0.31	0.37	0.59	0.73	0.73	0.73	0.41
Frozen Retriever + KPA2025.06		0.121	0.016	0.106	0.16	0.14	0.14	0.5	0.43	0.36	0.39	0.61	0.69	0.7	0.69	0.51