論文の概要: Findings of the Third Automatic Minuting (AutoMin) Challenge
- arxiv url: http://arxiv.org/abs/2509.13814v1
- Date: Wed, 17 Sep 2025 08:29:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-18 18:41:50.789908
- Title: Findings of the Third Automatic Minuting (AutoMin) Challenge
- Title（参考訳）: 第3回自動マイニング(AutoMin)チャレンジの発見
- Authors: Kartik Shinde, Laurent Besacier, Ondrej Bojar, Thibaut Thonet, Tirthankar Ghosal,
- Abstract要約: 本稿では,自動会議要約タスクであるAutoMinの第3版を数分に分けて紹介する。
2025年、AutoMinは、ミストリミング、構造化されたミーティング分の作成、および新しいタスク、すなわちミーティングの書き起こしに基づく質問応答(QA)を特徴とした。
- 参考スコア（独自算出の注目度）: 21.570482760525817
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents the third edition of AutoMin, a shared task on automatic meeting summarization into minutes. In 2025, AutoMin featured the main task of minuting, the creation of structured meeting minutes, as well as a new task: question answering (QA) based on meeting transcripts. The minuting task covered two languages, English and Czech, and two domains: project meetings and European Parliament sessions. The QA task focused solely on project meetings and was available in two settings: monolingual QA in English, and cross-lingual QA, where questions were asked and answered in Czech based on English meetings. Participation in 2025 was more limited compared to previous years, with only one team joining the minuting task and two teams participating in QA. However, as organizers, we included multiple baseline systems to enable a comprehensive evaluation of current (2025) large language models (LLMs) on both tasks.
- Abstract（参考訳）: 本稿では,自動会議要約タスクであるAutoMinの第3版を数分に分けて紹介する。
2025年、AutoMinは、ミストリミング、構造化されたミーティング分の作成、および新しいタスク、すなわちミーティングの書き起こしに基づく質問応答(QA)を特徴とした。
この作業は2つの言語(英語とチェコ語)と2つのドメイン(プロジェクトミーティングと欧州議会セッション)をカバーした。
QAタスクはプロジェクトミーティングのみに重点を置いており、英語でのモノリンガルQAと、英語のミーティングに基づいてチェコ語で質問され回答されたクロスリンガルQAの2つの設定で利用可能だった。
2025年の参加は前年より制限され、1チームがミナッシング・タスクに参加し、2チームがQAに参加した。
しかし,オーガナイザとして,複数のベースラインシステムを導入し,両タスクで現在(2025)大言語モデル(LLM)を包括的に評価できるようにした。
関連論文リスト
- GenAI Content Detection Task 1: English and Multilingual Machine-Generated Text Detection: AI vs. Human [71.42669028683741]
我々は,Coling 2025におけるGenAIワークショップの一環として,バイナリマシン生成テキスト検出における共有タスクを提案する。
このタスクは、モノリンガル(英: Monolingual)とマルチリンガル(英: Multilingual)の2つのサブタスクから構成される。
本稿では,データの包括的概要,結果の概要,参加システムの詳細な説明,提出内容の詳細な分析について述べる。
論文 参考訳（メタデータ） (2025-01-19T11:11:55Z) - Perception Test 2024: Challenge Summary and a Novel Hour-Long VideoQA Benchmark [64.16672247204997]
我々は、IEEE/CVF European Conference on Computer Vision (ECCV) 2024と共に半日間のワークショップとして、第2知覚テストチャレンジを組織した。
目標は、最先端のビデオモデルをベンチマークし、昨年からPerception Testベンチマークを使用して進捗を計測することだった。
今年は7つのトラックがあり、低レベルかつ高レベルなタスクをカバーし、ビデオ、オーディオ、テキストのモダリティをカバーした言語と非言語インターフェースを備えていた。
追加のトラックは1時間にわたるビデオ理解をカバーし、新しいビデオQAベンチマーク1h-walk VQAを導入した。
論文 参考訳（メタデータ） (2024-11-29T18:57:25Z) - Perception Test 2023: A Summary of the First Challenge And Outcome [67.0525378209708]
最初のパーセプションテストは、IEEE/CVF International Conference on Computer Vision (ICCV) 2023と共に半日間のワークショップとして開催された。
目標は、最近提案されたPerception Testベンチマークで最先端のビデオモデルをベンチマークすることであった。
このレポートでは、タスク記述、メトリクス、ベースライン、結果について要約しています。
論文 参考訳（メタデータ） (2023-12-20T15:12:27Z) - ComSL: A Composite Speech-Language Model for End-to-End Speech-to-Text
Translation [79.66359274050885]
公的な事前訓練された音声のみのモデルと言語のみのモデルからなる複合アーキテクチャ上に構築された音声言語モデルであるComSLを提案する。
提案手法は,エンドツーエンドの音声-テキスト翻訳タスクにおいて有効であることを示す。
論文 参考訳（メタデータ） (2023-05-24T07:42:15Z) - Team Hitachi @ AutoMin 2021: Reference-free Automatic Minuting Pipeline
with Argument Structure Construction over Topic-based Summarization [16.467390182635352]
本稿では,第1共有タスク自動マイニング(AutoMin-2021)のための日立チームの自動マイニングシステムを提案する。
本稿では,参照不要な手法(トレーニング分を使わずに)を自動マイニング(Task A)に応用し,まずトピックに基づいてテキストをブロックに分割する。
生成した分に議論マイニングの手法を適用し、よく構造化された一貫性のある方法でそれらを再構成する。
論文 参考訳（メタデータ） (2021-12-06T02:23:20Z) - A Sliding-Window Approach to Automatic Creation of Meeting Minutes [66.39584679676817]
会議の議事録には、議論された問題、決定、会議での行動が記録されている。
会議時間の自動生成のためのスライディングウインドウ手法を提案する。
長い写本や文書構造の欠如など、発話テキストの性質に関連する問題に取り組むことを目指しています。
論文 参考訳（メタデータ） (2021-04-26T02:44:14Z) - AutoSpeech 2020: The Second Automated Machine Learning Challenge for
Speech Classification [31.22181821515342]
AutoSpeechチャレンジでは、機械学習を音声処理タスクに適用するプロセスを自動化するために、自動機械学習(AutoML)ソリューションが求められている。
本稿では,課題プロトコル,データセット,評価基準,開始キット,ベースラインシステムについて概説する。
論文 参考訳（メタデータ） (2020-10-25T15:01:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。