QMSum: A New Benchmark for Query-based Multi-domain Meeting Summarization
提出基于查询的多领域会议摘要任务，构建QMSum数据集，采用定位-摘要模型，展现挑战性。
核心发现
方法论
本研究提出两阶段模型：首先利用指针网络和层次排序模型定位相关会话段落，然后采用BART、HMNet等预训练模型生成摘要。数据集涵盖232场会议，含1808个查询-摘要对，采用层次标注结构，支持多粒度、多领域的评估。模型在ROUGE指标上表现有限，揭示长会议摘要中的信息捕获难题。
关键结果
- 定位模型ROUGE-L召回最高达84.04%，显著优于随机和相似度基线。摘要模型在ROUGE-1、ROUGE-2上分别达29.20%、6.37%，比传统模型提升约3-4个百分点。多领域模型展现较好泛化能力，但在事实一致性和细节保留方面仍存挑战。
- 实验验证了 locate-then-summarize 方法在长文本中的有效性，但模型在多样查询和复杂内容上仍表现不足。
- 人类评估显示模型在事实准确性和信息完整性方面存在明显缺陷，强调未来需加强模型的推理和事实验证能力。
研究意义
该研究推动会议摘要向个性化、多样化方向发展，满足不同用户的需求。多领域数据集为模型泛化提供新平台，推动长文本理解与生成技术突破，具有重要学术价值和实际应用潜力。它解决了单一摘要难以覆盖会议多样内容的核心问题，为智能会议助手和信息检索提供基础。
技术贡献
提出 locate-then-summarize 框架，结合指针网络和层次排序模型，有效处理长会议文本。引入多领域、多粒度层次标注，丰富训练信号。结合预训练模型（BART、HMNet）实现端到端优化，提升摘要质量。系统设计兼顾效率与效果，为未来多模态、多任务会议理解提供技术基础。
新颖性
首次构建涵盖多领域、多粒度的查询驱动会议摘要数据集，提出层次定位-摘要模型，突破单一会议摘要的局限。创新在于引入多样查询和层次标注，增强模型的适应性和解释性，填补长会议内容理解中的研究空白。
局限性
- 模型在事实一致性和细节保留方面仍有不足，尤其在复杂查询和多样话题中表现不佳。
- 高计算成本限制模型部署，尤其在多模态和实时场景中应用有限。
- 数据标注依赖人工，存在偏差和标注不一致风险。
未来方向
未来将结合多模态信息（如音频、视频）提升理解能力，探索更高效的模型架构，增强模型的推理和事实验证能力。同时，扩大数据规模，支持多语言、多场景应用，推动会议智能化发展。
AI 总览摘要
会议作为人类合作的重要形式，信息量巨大且多样，传统单一摘要难以满足不同用户的需求。本文提出查询驱动的多领域会议摘要任务，旨在根据用户提出的不同问题，从长会议中提取相关内容并生成简洁摘要。为此，构建了涵盖232场会议、1808个查询-摘要对的QMSum数据集，采用层次标注结构，支持多粒度、多领域的评估。
在方法上，研究提出 locate-then-summarize 框架：首先利用指针网络和层次排序模型定位相关会话段落，然后利用预训练模型（如BART、HMNet）生成摘要。实验结果显示，定位模型在ROUGE-L指标上最高达84.04%，远优于随机和相似度基线。摘要模型在ROUGE-1、ROUGE-2指标上分别达29.20%、6.37%，表现优于传统方法，但在事实一致性和细节完整性方面仍存在挑战。
该研究的意义在于推动会议内容理解向个性化、多样化发展，为多领域、多粒度的会议摘要提供数据和技术基础。模型的创新在于结合多模态信息和层次结构，有望实现更智能、更高效的会议辅助系统。未来，结合多模态数据、提升模型推理能力，将进一步推动会议智能化，满足实际应用需求。
深度分析
研究背景
会议作为信息交流的核心工具，随着远程办公普及，会议记录和摘要需求激增。早期工作多集中在单一会议或文本摘要，缺乏多领域、多粒度支持。近年来，深度学习模型如Transformer、BART推动自动摘要发展，但在长文本和多样查询场景中仍面临挑战。现有数据集如AMI、ICSI多为单一领域，难以满足多样化需求。多领域、多粒度的会议摘要研究成为新趋势，亟需高质量数据支撑。
核心问题
现有会议摘要多为全局性总结，难以满足不同用户的个性化需求。长会议文本信息丰富，如何有效定位相关段落并生成精炼摘要，成为关键难题。尤其是在多领域、多话题环境中，模型需理解复杂内容、保持事实一致性。缺乏统一、多样化的评估平台限制了技术进步，亟需构建多领域、多粒度数据集并提出有效模型。
核心创新
本研究创新在于：1）构建多领域、多粒度的QMSum数据集，支持多样化查询和评估；2）提出 locate-then-summarize 框架，结合指针网络和层次排序模型，有效处理长文本；3）引入多模态、多层次标注，增强模型理解能力。此方案突破了传统单一摘要的限制，满足个性化、多样化需求，为会议内容理解提供新思路。
方法详解
- �� 数据采集：涵盖学术、产品、委员会三大领域，采用层次标注结构，定义主题、相关段落和多样查询。• 指定模型：利用指针网络和层次排序模型定位相关段落，输入到预训练模型（BART、HMNet）生成摘要。• 训练策略：多任务学习结合层次标注，优化模型性能。• 评估指标：ROUGE-L、ROUGE-1、ROUGE-2，结合人工评价，全面衡量模型效果。
实验设计
采用多领域会议数据，划分训练、验证、测试集。对比多种定位模型（随机、相似度、指针网络、层次排序）和摘要模型（PGNet、BART、HMNet），通过ROUGE指标评估性能。设置不同抽取比例，分析模型在长文本中的表现。进行消融实验，验证模型各组成部分的重要性。人类评估补充定性分析。
结果分析
定位模型ROUGE-L最高达84.04%，显著优于基线。摘要模型在ROUGE-1、ROUGE-2上达29.20%、6.37%，优于传统模型。多领域模型展现良好泛化能力，但在事实一致性和细节完整性方面仍有不足。实验验证了 locate-then-summarize 框架在长文本中的有效性，揭示模型在复杂查询和多话题环境中的局限性。
应用场景
该技术可应用于智能会议助手、自动会议纪要、企业知识管理等场景。通过个性化查询，快速获取关键信息，提升会议效率。未来结合多模态数据，将支持更丰富的会议内容理解与分析，推动企业数字化转型。
局限与展望
模型在事实一致性和细节保留方面仍有不足，尤其在多话题、多复杂查询场景中表现有限。高计算成本限制了实时应用。数据标注依赖人工，存在偏差。未来需优化模型结构，提升效率与准确性。
通俗解读 非专业人士也能看懂
想象你在一个大型厨房里准备一道复杂的菜肴。每个厨师负责不同的部分，菜肴中有很多不同的食材和步骤。为了做出完美的菜肴，你需要找到所有相关的食材（定位），然后用合适的方式把它们组合成一道菜（摘要）。这就像会议中，有很多不同的话题和内容，系统先找出你关心的部分（定位），再把这些内容浓缩成一句话或几句话（摘要），让你快速了解重点。这个过程帮助你在繁杂信息中找到自己需要的部分，就像厨房里找到所有食材一样。
简单解释 像给14岁少年讲一样
想象你在学校的食堂里点餐。有很多不同的菜肴，有的你喜欢，有的你不感兴趣。现在，你想只知道你感兴趣的那部分，比如“今天的甜点”或者“素食菜单”。那么，食堂的工作人员会帮你找到这些信息（定位），然后告诉你具体内容（摘要）。这个过程就像会议里，大家关心不同的话题。系统会先找出你关心的部分，然后用简短的话告诉你重点。这让你不用看一大堆繁杂的内容，就能快速知道自己想知道的事情。
术语表
Query-Driven Summarization (查询驱动摘要)
一种根据用户提出的问题或兴趣点，从长文本中提取相关内容并生成简洁摘要的技术。技术上结合信息检索与生成模型，满足个性化需求。
论文中提出的任务核心，旨在根据不同查询生成不同摘要。
Pointer Network (指针网络)
一种神经网络结构，用于指向输入文本中的特定位置，常用于抽取式问答和段落定位。通过预测起止位置，提取相关内容。
用作会议内容定位的关键模型。
BART (Bidirectional and Auto-Regressive Transformers)
一种预训练的生成模型，结合了编码器-解码器架构，擅长文本生成和摘要任务。
用于生成会议摘要的主要模型之一。
ROUGE (Recall-Oriented Understudy for Gisting Evaluation)
一种自动评估文本摘要质量的指标，衡量生成摘要与参考摘要的重叠程度。
模型性能的主要量化标准。
开放问题 这项研究留下的未解疑问
- 1 如何进一步提升模型在多话题、多领域环境中的事实一致性和细节保留能力，仍是未来研究的重点。
- 2 多模态信息（音频、视频）融合技术尚未充分应用于会议摘要，未来有巨大潜力。
应用场景
近期应用
智能会议助手
结合查询驱动摘要技术，帮助用户快速获取会议重点，提升会议效率和信息检索能力。
远期愿景
多模态会议理解
融合音频、视频等多模态信息，实现更全面的会议内容理解，推动智能会议系统的普及。
原文摘要
Meetings are a key component of human collaboration. As increasing numbers of meetings are recorded and transcribed, meeting summaries have become essential to remind those who may or may not have attended the meetings about the key decisions made and the tasks to be completed. However, it is hard to create a single short summary that covers all the content of a long meeting involving multiple people and topics. In order to satisfy the needs of different types of users, we define a new query-based multi-domain meeting summarization task, where models have to select and summarize relevant spans of meetings in response to a query, and we introduce QMSum, a new benchmark for this task. QMSum consists of 1,808 query-summary pairs over 232 meetings in multiple domains. Besides, we investigate a locate-then-summarize method and evaluate a set of strong summarization baselines on the task. Experimental results and manual analysis reveal that QMSum presents significant challenges in long meeting summarization for future research. Dataset is available at \url{https://github.com/Yale-LILY/QMSum}.