💬 NLP

LaMSUM: Amplifying Voices Against Harassment through LLM Guided Extractive Summarization of User Incident Reports

该论文提出了名为 LaMSUM 的新颖多级框架，利用大语言模型结合投票机制对多语言骚扰事件报告进行提取式摘要，以克服现有模型在上下文窗口和生成模式上的局限，从而帮助利益相关者高效处理海量数据并制定反骚扰政策。

原作者： Garima Chhikara, Anurag Sharma, V. Gurucharan, Kripabandhu Ghosh, Abhijnan Chakraborty

发布于 2026-04-20

📖 1 分钟阅读☕ 轻松阅读

原作者： Garima Chhikara, Anurag Sharma, V. Gurucharan, Kripabandhu Ghosh, Abhijnan Chakraborty

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇文章介绍了一个名为 LaMSUM 的新工具，它的核心任务是：如何从成千上万条杂乱无章的“骚扰事件报告”中，提炼出最精华、最真实的几条，让决策者一眼就能看清问题的全貌。

想象一下，你是一家城市安全部门的负责人。每天，市民通过手机 App 上传了成千上万条关于性骚扰、偷窃或暴力的报告。这些报告就像大海里的沙子，每一粒沙子（每一条报告）都代表一个受害者的痛苦经历。

问题在于： 你的团队人手有限，不可能把每一粒沙子都捡起来看一遍。如果只看前几条，可能会漏掉后面重要的信息；如果只看中间几条，又可能因为位置不同而看到不同的“假象”。
现有的 AI 助手（大语言模型）有个毛病： 它们很擅长“写文章”（把意思重新说一遍），但不擅长“做减法”（直接从原文里挑出原话）。而且，它们记性有限，一次读不了那么多字。

LaMSUM 就是为了解决这个难题而生的“超级选角导演”。

下面我用几个生动的比喻来解释它是如何工作的：

1. 核心挑战：AI 的“记性”与“习惯”

记性有限（上下文窗口）： 现在的 AI 就像是一个只能记住 8000 个字的短命读者。如果给它的故事有 30 万字，它读不到一半就忘了开头，或者干脆开始胡编乱造。
位置偏见（Positional Bias）： AI 有个坏习惯，它总觉得排在文章开头的话最重要。如果你把一段话放在开头，它可能就会选；放在结尾，它可能就忽略。这就像老师批改试卷，如果学生把答案写在第一行，老师可能更容易给分，不管内容对不对。

2. LaMSUM 的解决方案：三层“漏斗” + “投票选举”

LaMSUM 设计了一套巧妙的流程，把“大海捞针”变成了“精准筛选”。

第一步：切蛋糕（多级别处理）

既然 AI 一次吃不下整块大蛋糕（海量数据），LaMSUM 就把这 30 万字的报告切成无数个小块（Chunk）。

比喻： 就像把一本厚厚的百科全书拆成一个个小章节，让 AI 一次只读一个章节。

第二步：洗牌与重复（对抗偏见）

这是 LaMSUM 最聪明的地方。对于每一个小章节，它不会只让 AI 读一次。

做法： 它把章节里的句子打乱顺序（洗牌），然后让 AI 读 3 次、5 次甚至 7 次。每次打乱后，AI 看到的“开头”和“结尾”都变了。
比喻： 就像你要选出一位最佳员工。如果你只让老板看一次名单，老板可能因为某人坐在最前面就选了他。但如果你把名单打乱 5 次，让老板每次都在不同的位置看到这些人，最后老板还会选同一个人，那这个人肯定是真的优秀，而不是因为运气好坐在了前面。

第三步：民主投票（社会选择理论）

AI 每次“读”完打乱后的文本，都会选出一组它认为最重要的句子。现在我们有 5 组不同的“最佳句子”了，该听谁的？

做法： LaMSUM 引入了投票机制。它把每一句话看作一个“候选人”，把 AI 的每一次选择看作一张“选票”。
比喻： 想象这是一场选举。
- 如果某句话在 5 次打乱中，有 4 次都被 AI 选中了，那它就是“高票当选”。
- 如果某句话只在第 1 次被选中，其他 4 次都没影，那它可能就是“运气好”或者“被偏见误导”了，得票低，落选。
- 文章特别提到，他们使用了一种叫**“比例批准投票”的算法。这就像是一个精明的编辑**，他不仅看谁票数高，还要看谁的内容不重复。如果 10 个人都投了同一句话（内容重复），编辑会意识到“哦，大家只是重复了同一个观点”，然后他会把票分给那些虽然票数稍低、但提供了新视角的句子。这样能保证最终的总结既全面又多样。

第四步：层层递进（多级总结）

第一步选出来的“最佳句子”还不够少，它们会被合并成新的“小章节”，再重复上面的“切块 - 洗牌 - 投票”过程，直到最后只剩下最精华的 50 条（或者你设定的数量）。

3. 为什么这很重要？（实际效果）

保持原汁原味（提取式）： 很多 AI 总结喜欢“改写”（比如把“我被打了一拳”改成“受害者遭受了暴力”）。但在处理骚扰报告时，受害者的原话（“他抓了我的手腕”）比任何改写都重要，因为那是证据。LaMSUM 坚持只挑选原话，不篡改，保留了最真实的细节。
更公平、更全面： 实验证明，LaMSUM 选出来的报告，比那些传统的 AI 模型选出来的更详细、更多样。它不会只盯着一种类型的骚扰（比如只选“偷拍”），而是能平衡地选出“跟踪”、“言语骚扰”、“肢体冲突”等各种类型的案例。
给决策者一张“全景地图”： 对于政府或平台管理者，他们不需要看几万条数据，只需要看 LaMSUM 生成的这几十条精选报告，就能知道：“哦，原来这个区域最近‘跟踪’事件特别多，而且受害者多为女性，我们需要加强巡逻。”

总结

LaMSUM 就像一个拥有“火眼金睛”和“民主头脑”的超级编辑。

它不依赖 AI 的“直觉”（因为 AI 容易有偏见），而是通过**“打乱顺序”来消除偏见，通过“集体投票”来确保公平，通过“层层筛选”**来应对海量数据。

最终，它把成千上万条令人痛心的骚扰报告，浓缩成了一份真实、全面、原汁原味的“行动指南”，帮助社会更快地发现隐患，保护更多人免受伤害。

这是一份关于论文 LaMSUM: Amplifying Voices Against Harassment through LLM Guided Extractive Summarization of User Incident Reports 的详细技术总结。

1. 研究背景与问题定义 (Problem)

背景：公民报告平台（如 Safe City, SHe-Box 等）允许公众报告性骚扰、家庭暴力等事件。这些平台积累了海量数据，帮助当局了解社区安全状况。
核心挑战：
1. 数据量过大：人工审查所有帖子不切实际，需要自动摘要算法来筛选出具有代表性和多样性的关键事件。
2. 语言复杂性：用户报告常使用代码混合语言（Code-mixed，如印度的 Hinglish），现有提取式摘要算法多针对英语，难以适用。
3. 大语言模型 (LLM) 的局限性：
  - 生成倾向：LLM 默认进行抽象式摘要（Abstractive，即改写内容），而本报告平台需要提取式摘要（Extractive，即直接选取原文句子以保持真实性和语境），LLM 很难被提示仅做提取。
  - 上下文窗口限制：LLM 的上下文窗口有限，无法一次性处理大规模的用户生成内容（UGC）集合。
  - 位置偏差 (Positional Bias)：LLM 倾向于选择输入文本开头或特定位置的句子，导致摘要偏差。

2. 方法论 (Methodology)

论文提出了 LaMSUM (Large Language Model based Extractive SUMmarization)，这是一个结合 LLM 与社会选择理论（Social Choice Theory）投票算法的多层级框架。

2.1 核心架构：多层级摘要 (Multi-Level Summarization)

为了解决上下文窗口限制，LaMSUM 采用分层处理策略：

分块 (Chunking)：将原始文本集合 $T$ 分割成大小为 $s$ 的多个块。
层级处理：
- Level 0：对每个块进行摘要，生成大小为 $q$ 的摘要。
- 合并：将所有块的摘要合并，作为下一层级的输入。
- 迭代：重复上述过程，直到最终生成大小为 $k$ 的全局摘要。
- 设计亮点：设置 $q=k$ ，确保即使所有最终摘要句子都来自同一个初始块，算法也能有效处理（最坏情况覆盖）。

2.2 解决 LLM 提取式摘要的三大策略

针对单个文本块（Chunk）的摘要生成，LaMSUM 引入了以下机制：

对抗位置偏差 (Tackling Positional Bias)：
- 对输入块内的句子进行 $m$ 次随机打乱 (Shuffling)，生成 $m$ 个不同的变体。
- 确保每个句子在不同变体中处于不同位置，从而消除 LLM 对特定位置的偏好。
零样本提示与输出校准 (Zero-Shot Prompting & Calibration)：
- 使用零样本提示让 LLM 从变体中提取 $q$ 个句子。
- 输出校准：LLM 可能会修改原文单词或产生幻觉。系统通过计算编辑距离 (Edit Distance) 或关键词匹配，将 LLM 生成的句子映射回原始文本中的确切句子，确保摘要严格是原文的子集。
基于投票的聚合 (Voting-based Aggregation)：
- 将 $m$ 个变体生成的摘要视为“选票”，将文本句子视为“候选人”。
- 利用社会选择理论中的投票算法从 $m$ $m$ 个结果中选出最终的 $q$ $q$ 个句子：
  - 多数投票 (Plurality Voting)：统计每个句子被选中的次数。
  - 比例批准投票 (Proportional Approval Voting, PAV)：不仅考虑得票数，还考虑“边际效用”，避免过度重复相似观点，鼓励多样性。
  - 排序选择投票 (Ranked Choice Voting / Borda Count)：基于 LLM 对句子的排序得分。

3. 关键贡献 (Key Contributions)

首个 LLM 提取式摘要框架：这是首次尝试利用 LLM 对大规模用户生成文本进行提取式摘要的研究，克服了 LLM 默认进行抽象式生成的惯性。
LaMSUM 框架：提出了一种结合多层级处理、句子打乱和投票机制的新颖框架，能够处理超过 30K tokens 的大规模数据集。
社会选择理论的创新应用：首次将社会选择理论中的投票算法（特别是 PAV）引入 LLM 摘要任务，有效解决了位置偏差和冗余问题，提升了摘要的多样性和鲁棒性。
社会影响：专注于性骚扰报告平台，旨在帮助当局和公众快速了解事件全貌，制定更有效的反骚扰政策。

4. 实验结果 (Results)

数据集：来自亚洲某主要事件报告平台的 5 个城市数据集（A-E），包含数千条关于性骚扰、跟踪、暴力等的帖子（代码混合语言）。
基线模型：对比了传统提取式模型（LexRank, SummBasic, LSA）、Transformer 模型（BERT, XLNet, BERTSUM）以及直接使用 LLM 的“朴素”方法（Vanilla LLM）。
评估指标：ROUGE-1, ROUGE-2, ROUGE-Lsum。
主要发现：
- 性能超越：LaMSUM（特别是结合 Claude-3-Haiku 和 比例批准投票 PAV）在所有指标上均显著优于所有基线模型（包括微调过的 BERTSUM 和其他 SOTA 模型）。
- 组件有效性：
  - 打乱 (Shuffling)：显著提升了性能，证明了消除位置偏差的必要性。
  - 投票算法：PAV 表现最佳，优于多数投票和 Borda 计数。PAV 通过“边际效用递减”机制，有效平衡了热门观点和独特见解，避免了摘要的过度重复。
  - LLM 选择：Claude-3-Haiku 在 8B 参数规模模型中表现最好。
- 多样性与细节：LaMSUM 生成的摘要包含更多细节（字数更多），且覆盖的骚扰类别更广泛（熵值更高），能更好地反映事件的多样性。

5. 意义与局限性 (Significance & Limitations)

意义：
- 技术层面：证明了通过巧妙的提示工程和后处理（投票、校准），LLM 可以高效地执行提取式摘要任务，而不仅仅是抽象式摘要。
- 社会层面：为处理敏感的社会问题（如性骚扰）提供了自动化工具，帮助非营利组织和政府从海量数据中提取可操作的情报，促进社区安全。
- 通用性：该框架不仅适用于骚扰报告，也可推广至其他社交媒体数据集（如选举、MeToo 运动等）。
局限性与伦理考量：
- 上下文限制：虽然能处理长文本，但最终摘要仍需适应单个上下文窗口。
- 数据偏差：LLM 训练数据中的潜在偏见可能影响摘要选择。
- 黑盒性质：难以完全解释 LLM 为何选择特定句子。
- 信息遗漏风险：算法可能倾向于选择信息量大的帖子，从而忽略那些虽然简短但重要的低频事件。因此，该工具应作为辅助决策手段，而非完全替代人工审查。

总结：LaMSUM 通过创新的多层级架构和投票机制，成功解决了 LLM 在处理大规模、多语言、敏感用户生成内容时的提取式摘要难题，为构建更安全、透明的公民报告系统提供了强有力的技术支撑。