ReFeed: Refinamiento de Resúmenes Multidimensionales con Razonamiento Reflexivo sobre Retroalimentación

ReFeed: Multi-dimensional Summarization Refinement with Reflective Reasoning on Feedback

March 27, 2025

Autores: Taewon Yun, Jihwan Oh, Hyangsuk Min, Yuho Lee, Jihwan Bang, Jason Cai, Hwanjun Song

cs.AI

Resumen

El refinamiento de resúmenes enfrenta desafíos al extenderse a múltiples dimensiones. En este artículo, presentamos ReFeed, una potente pipeline de refinamiento de resúmenes que mejora múltiples dimensiones mediante razonamiento reflexivo sobre retroalimentación. Para lograrlo, lanzamos SumFeed-CoT, un conjunto de datos a gran escala basado en Long-CoT optimizado para entrenar un modelo ligero con razonamiento reflexivo. Nuestros experimentos revelan cómo el número de dimensiones, la exposición a la retroalimentación y la política de razonamiento influyen en el rendimiento del refinamiento, destacando que el razonamiento reflexivo y abordar simultáneamente múltiples retroalimentaciones es crucial para mitigar el compromiso entre dimensiones. Además, ReFeed es robusto frente a retroalimentación ruidosa y al orden de la retroalimentación. Por último, nuestros hallazgos enfatizan que la creación de datos con un objetivo y directrices adecuados constituye un pilar fundamental para un razonamiento efectivo. El conjunto de datos y el modelo serán publicados.

English

Summarization refinement faces challenges when extending to multi-dimension. In this paper, we introduce ReFeed, a powerful summarization refinement pipeline that enhances multiple dimensions through reflective reasoning on feedback. To achieve this, we release SumFeed-CoT, a large-scale Long-CoT-based dataset optimized for training a lightweight model with reflective reasoning. Our experiments reveal how the number of dimensions, feedback exposure, and reasoning policy influence refinement performance, highlighting reflective reasoning and simultaneously addressing multiple feedback is crucial to mitigate trade-off between dimensions. Furthermore, ReFeed is robust to noisy feedback and feedback order. Lastly, our finding emphasizes that creating data with a proper goal and guideline constitutes a fundamental pillar of effective reasoning. The dataset and model will be released.