개인화된 의견 요약은 개별 사용자 관심사를 고려하여 제품 요약을 생성하는 데 중요하다. 최근 연구에 따르면 대규모 언어 모델이 훈련 데이터 없이도 강력한 텍스트 요약 및 평가 능력을 보여주지만, 긴 텍스트를 포함한 개인화된 작업에서는 어려움을 겪고 있다. 이를 해결하기 위해, LLMs 기반 역할 극화를 통한 개인화된 의견 요약 프레임워크인 리허설이 제안된다. 모델이 사용자를 역할로 수행하게 되면, 사용자의 개인화된 요구를 더 잘 이해할 수 있다. 또한, 역할 극화 감독자와 연습 과정이 도입되어 LLM의 역할 극화 능력을 향상시켜, 사용자 요구의 더 나은 표현으로 이어진다. 게다가, 가상 사용자로부터의 제안을 통해 요약 생성이 개입되어, 생성된 요약이 사용자에게 관심 있는 정보를 포함하도록 보장하여 개인화된 요약 생성을 달성한다. 실험 결과는 우리의 방법이 대규모 모델 생성 요약에서 개인화 수준을 효과적으로 향상시킬 수 있음을 보여준다.
Zhang et al. (Sat,)는 이 질문을 연구했다.