QUARTZ：面向任务导向对话摘要的基于问答的无监督抽象精炼

对话摘要旨在将对话的核心含义提炼为简洁的文本。这对于降低对话密集型应用中固有的复杂性和噪声至关重要。虽然近期方法通常训练语言模型来模仿人类撰写的摘要，但这种监督成本高昂，且常常导致输出缺乏任务特定的焦点，限制了其在医疗等下游应用中的有效性。在本文中，我们提出了 QUARTZ，一个用于任务导向、基于效用的对话摘要框架。QUARTZ 首先利用一组大语言模型（LLM），以零样本的方式从对话中生成多个摘要和任务导向的问答对。然后，通过让 LLM 回答与任务相关的问题来评估生成摘要的质量，并据此（i）选择最佳候选答案，以及（ii）基于这些答案识别出信息最丰富的摘要。最后，我们在选定的摘要上微调表现最佳的 LLM。在多个数据集上进行验证时，QUARTZ 在各种零样本设置中展现了其有效性，取得了具有竞争力的结果，可与全监督的最先进（SotA）方法相媲美。