You need to MIMIC to get FAME: Solving Meeting Transcript Scarcity with a Multi-Agent Conversations

要約

会議の要約は、主にプライバシーの制限と高価な収集プロセスのために、限られた高品質のデータに苦しんでいます。
このギャップには、英語で500の会議と300件のドイツ語でこのギャップに対処します。これは、心理学的に接地された参加者プロファイルを定義し、会話の概要を定義することで、特定の知識ソースでトランスクリプトを生成する新しいマルチエージェント会議統合フレームワークであるMimicがプロデュースしました。
大規模な言語モデル（LLM）の議論を調整します。
モジュール式後処理ステップは、これらの出力を改良し、潜在的な繰り返しと過度に正式なトーンを緩和し、大規模な一貫した信頼できる対話を確保します。
また、自然性、社会的行動の信頼性、および転写の困難を評価する心理的に根拠のある評価フレームワークを提案します。
人間の評価は、名声が現実的な自発性（自然性では4.5/5）に近似し、スピーカー中心の課題（音声言語では3/5）を保持し、より豊かな情報指向の難易度（4/5が難易度）を導入することを示しています。
これらの調査結果は、名声が現実世界の会議条件にとって優れたスケーラブルなプロキシであることを強調しています。
これにより、会話のデータを必要とするタスクで、要約調査やその他の会話中心のアプリケーションを満たすための新しいテストシナリオを可能にし、行動制約の下でソーシャルシナリオをシミュレートする必要があります。

要約(オリジナル)

Meeting summarization suffers from limited high-quality data, mainly due to privacy restrictions and expensive collection processes. We address this gap with FAME, a dataset of 500 meetings in English and 300 in German produced by MIMIC, our new multi-agent meeting synthesis framework that generates meeting transcripts on a given knowledge source by defining psychologically grounded participant profiles, outlining the conversation, and orchestrating a large language model (LLM) debate. A modular post-processing step refines these outputs, mitigating potential repetitiveness and overly formal tones, ensuring coherent, credible dialogues at scale. We also propose a psychologically grounded evaluation framework assessing naturalness, social behavior authenticity, and transcript difficulties. Human assessments show that FAME approximates real-meeting spontaneity (4.5/5 in naturalness), preserves speaker-centric challenges (3/5 in spoken language), and introduces richer information-oriented difficulty (4/5 in difficulty). These findings highlight that FAME is a good and scalable proxy for real-world meeting conditions. It enables new test scenarios for meeting summarization research and other conversation-centric applications in tasks requiring conversation data or simulating social scenarios under behavioral constraints.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google