抽象要約モデルは一般的に最大尤度推定（maximum likelihood estimation）を用いて訓練されるが、この手法は理想のモデルが参照要約（reference summary）にのみ確率質量を割り当てる決定論的（一点分布）な目標分布を仮定している。この仮定は、推論時に参照要約から逸脱した複数のシステム生成要約（候補要約）を比較する必要がある状況において、性能の低下を引き起こす可能性がある。この問題に対処するため、本研究では非決定論的分布を仮定する新たな訓練枠組みを提案する。この枠組みにより、異なる候補要約に対してその品質に応じて確率質量を割り当てることが可能となる。実験の結果、本手法はCNN/DailyMailデータセット（ROUGE-1: 47.78）およびXSumデータセット（ROUGE-1: 49.07）において、新たな最先端の性能を達成した。さらに、詳細な分析により、本モデルが候補要約の品質と高い相関を持つ確率をより正確に推定できることも示された。