Ein langes Dokument abschnittsweise zusammenfassen, mit Fundstellen, die eine lesende Person prüfen kann

Ziel

Eine Zusammenfassung eines Dokuments erstellen, das zu lang ist, um es in einem Durchgang zu lesen (eine Norm, ein Vertrag, ein langer Bericht), in der jede Aussage bis zu einer Stelle in der Quelle zurückverfolgt und dort in Sekunden geprüft werden kann.

Voraussetzungen

Das Dokument als Text mit stabilen Fundstellen: Seitenzahlen für ein PDF, Abschnittsnummern für eine Spezifikation, Zeilennummern für ein Transkript. Eine Definition, wofür die Zusammenfassung dient, da dasselbe Dokument je nach Fragestellung unterschiedliche Zusammenfassungen hat. Die Methodik in diesem Wiki zum Zusammenfassen einer Quelle ohne Verzerrung deckt die Treue innerhalb eines Abschnitts ab; diese hier deckt das Zusammensetzen über Abschnitte hinweg ab.

Schritte

1. Entlang der Struktur des Dokuments aufteilen (Kapitel, nummerierte Abschnitte, Seiten), nicht bei einer festen Token-Zahl, und den Fundstellenbereich jedes Abschnitts festhalten. Abschnitte klein genug halten, damit die relevante Passage nie in der Mitte einer langen Eingabe liegt; das zitierte Paper berichtet, dass Modelle Informationen in der Mitte langer Kontexte schlechter nutzen als Informationen an den Enden.
2. Für jeden Abschnitt Aussagen als Datensätze extrahieren: claim, locator, quote (eine kurze wörtliche Textstelle), strength (feststellend, empfehlend, fordernd, berichtend). Noch nicht zusammenfassen.
3. Jedes Zitat durch exakten String-Abgleich gegen den Abschnittstext prüfen (nach Normalisierung von Leerraum). Eine Aussage, deren Zitat nicht gefunden wird, wird verworfen oder erneut extrahiert, niemals auf Vertrauen behalten.
4. Die Aussagedatensätze zusammenführen: Duplikate entfernen, nach Thema gruppieren, die eigene Gewichtung des Dokuments bewahren (eine einmal in einem normativen Abschnitt festgelegte Anforderung geht einer Bemerkung in einem Anhang vor).
5. Die Zusammenfassung ausschliesslich aus den zusammengeführten Datensätzen schreiben und die Fundstelle an jedem Satz behalten: „(Abschnitt 4.2)", „(S. 17)". Ein Satz, dem keine Fundstelle zugeordnet werden kann, ist entweder eine Synthese, die als solche gekennzeichnet wird, oder wird entfernt.
6. Wo der Anbieter Dokumentzitate anbietet, diese für den Schritt pro Abschnitt nutzen: Die zitierte Anbieterdokumentation beschreibt Zitatblöcke, die den zitierten Text mit start_page_number für PDFs und Zeichen-Offsets für Klartext tragen, was Fundstellen liefert, ohne das Modell zu bitten, sie selbst einzutippen.
7. Die Zusammenfassung zusammen mit den Aussagedatensätzen liefern, damit eine lesende Person jeden Satz stichprobenartig prüfen kann.

Erwartetes Ergebnis

Eine Zusammenfassung, in der jeder Satz zu einer Fundstelle und einem überprüften Zitat aufgelöst werden kann, zusammen mit einer Aussagetabelle, die zugleich als Index in die Quelle dient.

Grenzen und Prüfbasis

Die Zitatprüfung erfasst erfundene oder falsch platzierte Verweise, nicht Fehllesungen, die korrekt zitieren und falsch schliessen; Schritt 4 ist der Punkt, an dem sich eine zweite lesende Person lohnt. Gescannte Dokumente mit OCR-Fehlern besiegen den exakten Abgleich und benötigen einen unscharfen Vergleich. Es wird keine Genauigkeitszahl behauptet.