회의록 문서는 그 길이와 복잡한 대화 구조로 인해 요약하기가 매우 어렵습니다. 기존의 방식들은 일반적으로 요약 이전에 정보를 추출하는 다단계 파이프라인 (multi-stage pipelines)을 채택하지만, 이러한 방식들은 중간 검증 과정이 없으면 누적된 오류 전파 (cumulative error propagation) 문제를 겪는 경우가 많으며, 짧고 품질이 낮은 참조 요약 (reference summaries)으로 인해 이러한 한계가 더욱 증폭됩니다. 우리는 세그먼트 수준의 요약 후보들을 조합하여 최종 요약을 구성하는 학습이 필요 없는 (training-free) 프레임워크인 몬테카를로 트리 탐색 (Monte Carlo Tree Search, MCTS) 기반의 세그먼트 수준 요약 (S3, segment-level summarization)을 제안합니다. S3는 긴 문서를 세그먼트 (segments)로 분할하고 세그먼트당 여러 개의 요약 후보를 생성하여 탐색 트리 (search tree)의 노드를 형성합니다. 가장 높은 점수를 받은 조합은 자기 보상 가이드 트리 탐색 (self-reward-guided tree search)을 통해 선택되며 최종 출력물로 정제됩니다. 7B 모델을 사용함에도 불구하고, S3는 길이에 적절한 요약을 생성하면서도 더 큰 72B 모델에 필적하는 성능을 달성합니다.