UMB@PerAnsSumm 2025：通过提示优化与监督微调增强视角感知摘要
计算与语言
2025-11-26 v1 人工智能
摘要
我们介绍了我们在 PerAnsSumm 共享任务中的方法，该任务涉及社区问答 (CQA) 线程中的视角跨度识别和视角感知摘要。对于跨度识别，我们采用集成学习，通过平均整合三个 Transformer 模型以利用各个模型的优势，在测试数据上实现了 82.91% 的 F1 分数。对于摘要生成，我们设计了一套思维链 提示策略，其中结合了关键短语和引导信息，将摘要生成分解为可控的步骤。为了进一步提升摘要质量，我们使用 DSPy 框架进行提示优化，并对 Llama-3 进行监督微调 (SFT)，以使模型适应特定领域的数据。在验证集和测试集上的实验结果表明，带有键短语和引导的结构化提示改进了与参考一致的摘要，而提示优化和微调的结合在相关性和事实性评估指标上均产生了显著提升。
引用
@article{arxiv.2503.11118,
title = {UMB@PerAnsSumm 2025: Enhancing Perspective-Aware Summarization with Prompt Optimization and Supervised Fine-Tuning},
author = {Kristin Qi and Youxiang Zhu and Xiaohui Liang},
journal= {arXiv preprint arXiv:2503.11118},
year = {2025}
}
备注
CL4HEALTH NAACL: Annual Conference of the Nations of the Americas Chapter of the Association for Computational Linguistics