该文综述主题分割与对话建模：非结构化文本上，预训练未必提升迁移性，同结构小数据集充分训练可改善分割，Focal Loss优于交叉熵；句际依赖与孪生嵌入多任务学习提升边界识别；对话中话题与体裁需正交定义，上下文与对话行为特征可提高主题分类；无监督层次对话结构及由短到长训练有助于会话理解与摘要。

综述显示，闭源大语言模型摘要性能较优，但LLaMA-2等开源小模型零样本下可媲美，且成本低、隐私好，更适合工业应用；指令微调比模型规模更关键，LLM摘要质量可媲美人类；TinyStories等新数据集推动小模型评估；会话摘要性能受提示影响显著。