2026年8月18日，論文《Retrieved-Span Training for Efficient Query-Focused Meeting Summarization on QMSum》（面向 QMSum 的檢索片段訓練：高效查詢聚焦會議摘要）以編號 arXiv:2609.25028v1 提交至 arXiv，歸類於計算與語言（cs.CL）。作者為 Ertas AI 的 Edward Xi Yang，全文共24頁、含4幅圖，提交時間為協調世界時2026年8月18日04:26:31，文件大小181 KB，DOI 為 10.48550/arXiv.2609.25028。
論文首先指出了一個評測層面的結構性問題：QMSum 基準本身沒有提供官方評分器（scorer），這導致面向查詢的會議摘要任務上，不同系統的結果彼此難以直接比較，缺乏統一的對照口徑。為繞開這一障礙，作者在同一套實現下重新評分或重新生成了15個系統的輸出，從而建立可橫向對照的實驗基礎。
在統一推理接口（common inference port）下，作者發現了一個顯著的性能塌陷：一個已發佈的406M參數 Fusion-in-Decoder（FiD）專用模型，當輸入從有長度上限的長文本切換到2,000詞的檢索片段（retrieved spans）時，ROUGE-1 下降6.30。也就是説，輸入組織方式的改變本身就會讓該專用模型損失大量分數。作者隨後在同一片段輸入範式（span regime）上對該模型進行微調，結果顯示這一損失可以被完全恢復。
在測試集上，該406M模型取得36.33 ROUGE-1，而作者自研的1.2B系統為35.41。兩者差值的會議簇（meeting-cluster）95%置信區間為 [-0.27, +2.22]，區間跨越零點，因此在 QMSum 上並不能在統計意義上區分這兩個系統。與此同時，較小的系統在總參數量上僅為對照系統的大約三分之一，峯值推理內存不到對方的一半，體現出明顯的效率優勢。
論文還給出了兩組消融式量化結論。第一，在固定的1.2B基座模型內部，採用片段輸入範式進行微調可帶來5.29的提升，置信區間為 [+4.02, +6.56]。第二，將轉錄文本前4,500詞替換為2,000個檢索詞，在測試集上帶來1.55的提升，在驗證集上帶來0.29的提升，説明檢索片段的取捨本身對結果有正向但幅度不一的貢獻。
論文另有一組對比實驗：在單一簡潔提示（one concise prompt）與基於參考重疊的評分器（reference-overlap scorer）設定下，上述已發佈的406M專用模型至少以6.2 ROUGE-1 的優勢超過五個專有託管模型（proprietary hosted models）。不過作者明確指出，該排序受到兩點限制：一是輸出長度的影響未被排除，二是缺乏人工評測與事實性（factuality）評測，因此這一排名不能被過度解讀。
作者的結論邊界也寫得相當剋制：所有結論僅限 QMSum 數據集與自動評測指標（automatic metrics）之內，不應無差別外推到其他會議摘要數據、其他任務形態或人工質量判斷上。論文的註釋信息重申了24頁、4圖的篇幅，並提供了PDF、實驗性HTML與TeX源碼等獲取方式。