SUMFORU：面向个性化购买决策的基于LLM的评论摘要框架
计算与语言
2025-12-15 v1
摘要
在线产品评论包含丰富但噪声较大的信号，常常让用户难以做出有效决策。现有基于LLM的摘要器通用且不考虑个体偏好，限制了实际应用价值。我们提出SUMFORU（Steerable Unified Review Summarization，即可引导的统一评论摘要），一个可对齐用户persona以支持个性化购买决策的可操控评论摘要框架。我们的方法集成了由Amazon 2023 Review Dataset构建的高质量数据管道，以及两个阶段的对齐程序：（1）通过非对称知识蒸馏实现的persona感知监督微调（SFT），和（2）使用偏好估计器捕获细粒度persona相关信号的强化学习与AI反馈（RLAIF）。我们在基于规则、基于LLM和基于人类的评估指标上评估了该模型，展示在一致性、 grounding和偏好对齐方面均实现持续改进。我们的框架在所有评估场景下均取得最高性能，并能有效泛化到未见的产品类别。我们的结果凸显了可操控的多样化对齐在构建下一代个性化决策支持系统方面的潜力。
引用
@article{arxiv.2512.11755,
title = {SUMFORU: An LLM-Based Review Summarization Framework for Personalized Purchase Decision Support},
author = {Yuming Feng and Xinrui Jiang},
journal= {arXiv preprint arXiv:2512.11755},
year = {2025}
}
备注
Code available at https://github.com/Harry20030331/SumForU