你需要 MIMIC 才能获得 FAME：解决会议转录稀缺问题
人工智能
2025-06-02 v2 计算与语言
摘要
会议摘要因数据稀缺而受限，主要是由于隐私限制和高昂的收集过程。我们通过 FAME（一个由 MIMIC 生成的 500 场英语会议和 300 场德语会议的数据集）来弥补这一差距。MIMIC 是我们新的多智能体会议合成框架，通过定义心理学依据的参与者轮廓、概述对话并协调大型语言模型（LLM）辩论来生成给定知识来源的会议转录。模块化的后处理步骤细化了这些输出，缓解潜在的重复和过于正式的语气，确保大规模的连贯、可信的对话。我们还提出了基于心理学的评估框架，评估自然性、社会行为真实性和转录稿的难度。人类评估显示，FAME 在自然性上（4.5/5）接近真实会议的自发性，保留了说话者中心的挑战（3/5 的口语化），并引入了更丰富的信息导向难度（4/5 的难度）。这些发现表明，FAME 是一种良好且可扩展的真实世界会议条件的近似值。它为会议摘要研究以及其他需要对话数据或在行为约束下模拟社会情景的任务提供了新的测试场景。
引用
@article{arxiv.2502.13001,
title = {You need to MIMIC to get FAME: Solving Meeting Transcript Scarcity with a Multi-Agent Conversations},
author = {Frederic Kirstein and Muneeb Khan and Jan Philip Wahle and Terry Ruas and Bela Gipp},
journal= {arXiv preprint arXiv:2502.13001},
year = {2025}
}
备注
Accepted at ACL 2025 (Findings)