本研究提出了BERDS评估基准，用于检索复杂问题的多样化文献。通过语言模型评估，发现当前检索器在多样化视角覆盖上不足，仅33.74%的样本覆盖所有观点。研究探讨了多视角搜索引擎设计、观点公平性和提升检索系统多样性的方法。结果表明，改进检索器和生成框架能提高信息覆盖和用户满意度。

本研究提出了一种基于方面的健康答案总结方法，利用多阶段注释指南和独特数据集，构建自动化总结流程。该流程通过问题相似性检索相关回答，并使用先进模型生成摘要，旨在提高消费者健康问题的回答质量和信息覆盖范围。

该文综述多文档摘要与评估研究，提出情感分析多LLM协商框架，构建ORSUM、DiverseSumm、PeerSum、MS²等数据集，开发跨异构文档的抽象摘要框架及可控内容提取方法；发现LLM摘要常优于人工参考，但信息覆盖不足，GPT-4平均覆盖不到40%；并提出基于LLM的多角色评估框架。