ThreadSumm：使用思想树总结嵌套话语线程

总结深度嵌套的讨论线程需要处理交错的回复、引用和重叠的主题，而标准 LLM 总结器很难可靠地捕获这些内容。我们引入了 ThreadSumm，这是一个多阶段 LLM 框架，它将线程摘要视为显式方面和内容单元表示上的分层推理问题。我们的方法首先通过基于 LLM 的话语方面和原子内容单元的提取来执行内容规划，然后应用句子排序来构建呈现多个观点而不是单个线性链的线程感知序列。在这些可解释单元之上，ThreadSumm 采用思想树搜索来生成多个候选段落并对其进行评分，从而在统一搜索空间内共同优化连贯性和覆盖范围。通过这种多提案和迭代细化设计，与现有基线相比，我们在生成逻辑结构化摘要方面表现出了改进的性能，同时在嵌套讨论中实现了更高的方面保留和意见覆盖率。