論文の概要: Adaptive Planning for Multi-Attribute Controllable Summarization with Monte Carlo Tree Search

• arxiv url: http://arxiv.org/abs/2509.26435v1
• Date: Tue, 30 Sep 2025 15:55:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-01 17:09:04.608221
• Title: Adaptive Planning for Multi-Attribute Controllable Summarization with Monte Carlo Tree Search
• Title（参考訳）: モンテカルロ木探索によるマルチ属性制御可能な要約の適応計画
• Authors: Sangwon Ryu, Heejin Do, Yunsu Kim, Gary Geunbae Lee, Jungseul Ok,
• Abstract要約: マルチ属性制御可能な要約(PACO)のための適応計画法を提案する。 PACOは、カスタマイズされたモンテカルロ木探索(MCTS)を用いて、シーケンシャル属性制御の順序を計画するタスクを再構成する。 多様なドメインやモデルにわたる実験は、PACOが堅牢なマルチ属性制御を実現することを示す。
• 参考スコア（独自算出の注目度）: 42.54315734134824
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Controllable summarization moves beyond generic outputs toward human-aligned summaries guided by specified attributes. In practice, the interdependence among attributes makes it challenging for language models to satisfy correlated constraints consistently. Moreover, previous approaches often require per-attribute fine-tuning, limiting flexibility across diverse summary attributes. In this paper, we propose adaptive planning for multi-attribute controllable summarization (PACO), a training-free framework that reframes the task as planning the order of sequential attribute control with a customized Monte Carlo Tree Search (MCTS). In PACO, nodes represent summaries, and actions correspond to single-attribute adjustments, enabling progressive refinement of only the attributes requiring further control. This strategy adaptively discovers optimal control orders, ultimately producing summaries that effectively meet all constraints. Extensive experiments across diverse domains and models demonstrate that PACO achieves robust multi-attribute controllability, surpassing both LLM-based self-planning models and fine-tuned baselines. Remarkably, PACO with Llama-3.2-1B rivals the controllability of the much larger Llama-3.3-70B baselines. With larger models, PACO achieves superior control performance, outperforming all competitors.
• Abstract（参考訳）: 制御可能な要約は、一般的な出力を超えて、特定の属性によって導かれる人間に沿った要約へと移行する。 実際、属性間の相互依存は、言語モデルが一貫性のある制約を一貫して満たすことを困難にしている。 さらに、従来のアプローチでは、属性ごとの微調整が必要で、様々なサマリ属性にまたがる柔軟性が制限されることが多い。 本稿では,モンテカルロ木探索 (MCTS) を用いて,逐次属性制御の順序を計画したタスクを再構成するトレーニングフリーフレームワークであるマルチ属性制御可能な要約(PACO)の適応計画を提案する。 PACOでは、ノードは要約を表し、アクションは単一属性の調整に対応する。 この戦略は最適制御順序を適応的に発見し、最終的には全ての制約を効果的に満たす要約を生成する。 多様なドメインやモデルにわたる大規模な実験により、PACOはLLMベースの自己計画モデルと微調整ベースラインを超越して、堅牢なマルチ属性制御を実現することが示された。 注目すべきことに、Llama-3.2-1BとのPACOは、より大型のLlama-3.3-70Bベースラインの制御性に匹敵する。 より大きなモデルでは、PACOは優れた制御性能を達成し、全てのライバルより優れています。

関連論文リスト

• Single LLM, Multiple Roles: A Unified Retrieval-Augmented Generation Framework Using Role-Specific Token Optimization [64.33914369424494]
  RoleRAGは、ロール固有のトークン最適化を通じて効率的なマルチタスク処理を実現する統一的なRAGフレームワークである。 RoleRAGは6つのモジュールから構成され、それぞれがRAGプロセス内で特定のサブタスクを処理する。 クエリの分解を表すクエリグラフを導入し、分解状態に応じて動的に解決する。
  論文  参考訳（メタデータ） (2025-05-21T12:25:12Z)
• Multi-Attribute Constraint Satisfaction via Language Model Rewriting [67.5778646504987]
  マルチ属性制約満足度(英: Multi-Attribute Constraint Satisfaction, MACS)は、言語モデルを微調整して、複数の外部実値属性に対するユーザ指定制約を満たす手法である。 我々の研究は、NLPやバイオインフォマティクスにまたがる多様な応用に影響を及ぼす、一般化および実値多属性制御のための新しい道を開く。
  論文  参考訳（メタデータ） (2024-12-26T12:36:39Z)
• Exploring Iterative Controllable Summarization with Large Language Models [22.80433394369022]
  大言語モデル(LLM)は抽象的な要約タスクにおいて顕著な性能を示した。 以上の結果から,LLMは言語属性よりも数値属性に苦しむことが明らかとなった。 制御可能な要約のためのガイド・ツー・説明フレームワーク(GTE)を提案する。
  論文  参考訳（メタデータ） (2024-11-19T12:36:02Z)
• MACSum: Controllable Summarization with Mixed Attributes [56.685735509260276]
  MACSumは、混合属性を制御するための最初の人間アノテーションによる要約データセットである。 混合制御可能な要約の新しいタスクに対する2つの単純かつ効果的なパラメータ効率のアプローチを提案する。
  論文  参考訳（メタデータ） (2022-11-09T17:17:37Z)
• Controllable Summarization with Constrained Markov Decision Process [50.04321779376415]
  本研究では,ユーザが特定の属性を制御できる可制御テキスト要約について検討する。 制約付きマルコフ決定プロセス(CMDP)に基づく新しいトレーニングフレームワークを提案する。 我々のフレームワークは、長さ、被覆された実体、抽象性など、要約の重要な属性を制御するために応用できる。
  論文  参考訳（メタデータ） (2021-08-07T09:12:53Z)

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。