通过情境化摘录提升长篇社交对话中的理解
概率论
2025-06-04 v2
摘要
我们聚焦于提升小组录制对话中的理解能力,这些对话作为将人们联结起来并提供分享个人故事和经历的社交场所。将这些对话中突出显示的摘要在后续对话中共享的方式之一,是帮助传递信息。这样可以促进对相关议题的集体理解,通过突出显示他人可能不熟悉或无法理解这些经历的视角和经历。随之而来的主要挑战是,从一个对话中提取的摘要在另一个场景中分享时,可能会缺少先前在原始对话中引入的关键情境或要素。当对话变得更加冗长且在主题和共享经历方面更加丰富时,这一问题会加剧。为此,我们探索如何利用大型语言模型(LLM)为这些摘要提供社交相关情境。我们提出了有效情境化方法以提高理解、可读性和同理心。我们通过主观和客观评估显示,理解能力有显著提升。尽管LLM可以提供有价值的情境,但在捕捉关键社交方面仍存在挑战。我们发布了人工标注的显著摘要(HSE)数据集以支持未来的工作。此外,我们展示了情境丰富的摘要如何提供更聚焦和全面的对话摘要。
引用
@article{arxiv.2412.19965,
title = {Caputo fractional stochastic differential equations: Lipschitz continuity in the fractional order},
author = {T. C. Son and N. T. Dung and P. T. P Thuy and T. M. Cuong and H. T. P. Thao and P. D. Tung},
journal= {arXiv preprint arXiv:2412.19965},
year = {2025}
}
备注
32 pages