arXiv 2509.263022025-09-30cs.CLcs.AI

QUARTZ：面向任务型对话摘要的基于问答的无监督抽象式精炼

QUARTZ : QA-based Unsupervised Abstractive Refinement for Task-oriented Dialogue Summarization

Université de Lorraine, CNRS, Inria, LORIA（法国洛林大学、法国国家科学研究中心、法国国家信息与自动化研究所、LORIA研究所）；Université Sorbonne Paris Nord, CNRS, Laboratoire d’Informatique de Paris Nord, LIPN（法国巴黎北大学、法国国家科学研究中心、巴黎北信息学实验室、LIPN研究所）；Inserm, Centre de Recherche des Cordeliers, Université Paris Cité, Sorbonne Université（法国国家医学研究院、cordeliers研究中心、巴黎城市大学、索邦大学）；HeKA, Inria Paris（HeKA、法国国家信息与自动化研究所巴黎分所）；Department of Medical Informatics, Assistance Publique Hôpitaux de Paris, Georges Pompidou European Hospital（医学信息学系、巴黎公共医院、乔治·蓬皮杜欧洲医院）

Mohamed Imed Eddine Ghebriout, Gaël Guibon, Ivan Lerner, Emmanuel Vincent

备注：: Accepted to Empirical Methods in Natural Language Processing (EMNLP 2025)

阅读 PDF

arXiv 页面 ↗HTML 原文 ↗

AI总结：

本文提出无监督框架 QUARTZ，利用 LLM 生成任务问答并据此筛选高质量对话摘要，再微调模型，在零样本设置下达到接近完全监督 SotA 的效果。

摘要：

对话摘要旨在将对话的核心含义提炼为简洁文本。这对于降低重度对话应用中固有的复杂性和噪声至关重要。尽管近期方法通常训练语言模型模仿人工撰写的摘要，但此类监督成本高昂，且往往导致输出缺乏面向特定任务的聚焦，从而限制其在医疗等下游应用中的有效性。本文提出 QUARTZ，一个面向任务型、基于效用的对话摘要框架。QUARTZ 首先利用一组大语言模型（LLM），以零样本方式从一段对话中生成多个摘要和面向任务的问答对。随后，通过让 LLM 回答任务相关问题来评估所生成摘要的质量，再（i）选择最佳候选答案，并（ii）基于这些答案识别信息量最高的摘要。最后，我们在所选择的摘要上微调最佳 LLM。在多个数据集上验证时，QUARTZ 在多种零样本设置下取得了具有竞争力的结果，可媲美完全监督的最先进（SotA）方法，证明了其有效性。

英文摘要：

Dialogue summarization aims to distill the core meaning of a conversation into a concise text. This is crucial for reducing the complexity and noise inherent in dialogue-heavy applications. While recent approaches typically train language models to mimic human-written summaries, such supervision is costly and often results in outputs that lack task-specific focus limiting their effectiveness in downstream applications, such as medical tasks. In this paper, we propose \app, a framework for task-oriented utility-based dialogue summarization. \app starts by generating multiple summaries and task-oriented question-answer pairs from a dialogue in a zero-shot manner using a pool of large language models (LLMs). The quality of the generated summaries is evaluated by having LLMs answer task-related questions before \textit{(i)} selecting the best candidate answers and \textit{(ii)} identifying the most informative summary based on these answers. Finally, we fine-tune the best LLM on the selected summaries. When validated on multiple datasets, \app demonstrates its effectiveness by achieving competitive results in various zero-shot settings, rivaling fully-supervised State-of-the-Art (SotA) methods.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。