Acceso usuarios
La generación automática de resúmenes políticos requiere preservar el contenido factual, el estilo periodístico y la orientación editorial de la fuente. Sin embargo, la investigación en español es limitada por la falta de recursos ideológicamente diversos y de evaluaciones sensibles a la fuente. Presentamos Spanish PoliSUM-2025, un corpus de 94.832 noticias políticas en español procedentes de múltiples medios con distintas líneas editoriales. Con este recurso comparamos mBART con tres modelos ajustados mediante instrucciones. Los resultados muestran que los modelos instruccionales superan de forma consistente al modelo base y que el tamaño es el principal determinante de la calidad. El análisis lingüístico revela que los LLM preservan el contenido semántico, pero se alejan del estilo periodístico conciso y denso en información. La variabilidad entre medios es notable según ROUGE-L pero mínima según BERTScore, mientras que la orientación ideológica no produce diferencias detectables bajo estas métricas.
Automatic summarization of political news requires preserving factual content, journalistic style, and editorial orientation. However, research in Spanish remains limited due to the lack of ideologically diverse resources and outlet-sensitive evaluations. We present Spanish PoliSUM-2025, a corpus of 94,832 Spanish political news articles from multiple outlets with different editorial viewpoints and their original summaries. Using this resource, we compare mBART with three instruction-tuned large language models. Results show that instruction-tuned models consistently outperform the encoder–decoder baseline and that model size is the main determinant of quality. Linguistic analysis indicates that LLMs preserve semantic content but diverge from the concise, information-dense journalistic style. Substantial outlet-level variability appears in ROUGE-L but not in BERTScore, while ideological orientation produces no detectable differences under these metrics.
