一側對話（1SC）：在隱私限制下的對話重建與摘要生成
在電話醫療、客服與智慧眼鏡等場景，常只能錄到對話一方。研究提出「一側對話問題」（1SC），定義在僅見一方話語時的推斷與學習目標，並聚焦兩項任務：即時重建缺席講者的輪次，以及從單邊逐字稿生成摘要。作者在MultiWOZ、DailyDialog與Candor等資料集上比較提示法與微調，發現取得一個未來回合與話語長度資訊能改善重建效果；
一側對話（1SC）：在受限錄製下的重建與摘要
研究指出，許多實務場景只能記錄對話一方，提出一側對話問題（1SC），目標是在此限制下推斷缺失發言並從單邊逐字稿產出摘要。
研究聚焦兩項任務：即時重建缺席講者的輪次，以及從一側逐字稿生成會話摘要。實驗在MultiWOZ、DailyDialog與Candor等資料集上，評估提示（prompting）與微調兩類方法。
主要發現包括：取得一個未來回合與發話長度資訊能提升重建品質；佔位提示（placeholder prompting）能減少模型的幻覺輸出；大型模型在提示下已能生成有競爭力的重建結果，而小型模型則較依賴微調；另外，高品質摘要可在不先重建缺失輪次的情況下直接產出。
作者將1SC定位為一項新挑戰，強調在隱私或錄音限制下仍能維持對話系統實用性的研究路徑，為隱私感知的對話AI發展提供參考。
延伸閱讀
- WiseMind：結合理性與情感的多代理人精神科評估系統
- HILBERT 長序列多模態框架：段級聚合、互惠雙向對比與結構保留
- AST：在預訓練 TTS 與流匹配架構上以潛在重組與 AWFG 實現無需微調的精準語音編輯
原始來源：ArXiv AI
系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。
