본 논문은 커뮤니티 질의응답(CQA) 스레드에서 관점 구간 식별 및 관점 인식 요약을 포함하는 PerAnsSumm 공유 과제에 대한 접근 방식을 제시합니다. 구간 식별을 위해 세 개의 Transformer 모델을 평균화하여 개별 모델의 강점을 활용하는 앙상블 학습을 채택하여 테스트 데이터에서 82.91%의 F1 점수를 달성했습니다. 요약을 위해서는 주요 구문을 통합하고 정보를 안내하여 요약 생성을 관리 가능한 단계로 구조화하는 Chain-of-Thought(CoT) 프롬프팅 전략을 설계했습니다. 요약 품질을 더욱 향상시키기 위해 DSPy 프레임워크를 사용한 프롬프트 최적화와 Llama-3에 대한 감독 미세 조정(SFT)을 적용하여 모델을 도메인 특정 데이터에 적응시켰습니다. 검증 및 테스트 세트에 대한 실험 결과는 주요 구문과 안내가 포함된 구조화된 프롬프트가 참조와 일치하는 요약을 개선하는 반면, 프롬프트 최적화와 미세 조정을 결합하면 관련성 및 사실성 평가 지표가 모두 크게 향상됨을 보여줍니다.
