本研究提出了一种在低资源环境下提取法律决策摘要的技术，利用有限的专家注释数据。通过顺序模型定位相关内容和最大边际相关性处理冗余，生成有信息量的摘要。通过多任务学习模型变体进一步提高摘要器性能。实验结果表明，该方法能够与专业提取的摘要相匹配。

本研究提出了一种在低资源环境下提取法律决策摘要的技术，利用有限的专家注释数据。通过顺序模型定位相关内容，并利用最大边际相关性处理冗余，生成组合摘要。通过隐式方法帮助培训建议模型生成更多有信息量的摘要。多任务学习模型通过辅助任务提高摘要器性能。实验结果表明，该方法能够实现与专业提取的摘要相匹配的得分。