على عكس النصوص المُنظَّمة جيدًا، مثل تقارير الأخبار والمقالات الإخبارية، غالبًا ما ينشأ محتوى المحادثات من اثنين أو أكثر من المشاركين، الذين يتبادلون المعلومات فيما بينهم. في هذه الحالة، يمكن أن تتغير موضوعات المحادثة أثناء تطورها، كما أن المعلومات الأساسية المتعلقة بموضوع معين غالبًا ما تكون متناثرة عبر جمل متعددة من متحدثين مختلفين، مما يُشكّل تحديات كبيرة عند محاولة تلخيص المحادثات بشكل موجز. لالتقاط المعلومات المتعلقة بمختلف الموضوعات في المحادثة ورسم صورة واضحة للحقائق البارزة المتعلقة بهذه الموضوعات، تُقترح في هذه الدراسة هدفين للتعلم المُقابل (contrastive learning) يراعيان السياق الموضوعي، وهما: هدف كشف التسلسل المنطقي (coherence detection) وهدف إنشاء ملخصات فرعية (sub-summary generation)، ويُتوقع أن يمكّنا من نمذجة التغيرات الموضوعية بشكل غير مباشر، ويتعاملان مع تحدي تفرّق المعلومات في مهمة تلخيص المحادثات. وتم صياغة هذه الأهداف المُقابلة كمهام مساعدة لل任務 الأساسية لتلخيص المحادثات، وتم دمجها من خلال استراتيجية تحديث بديلة للبارامترات. أظهرت التجارب الواسعة على مجموعات بيانات معيارية أن الطريقة البسيطة المقترحة تتفوّق بشكل كبير على النماذج القوية السابقة، وتحقيق أداءً جديدًا على مستوى الحالة الراهنة (state-of-the-art). تم إتاحة الشفرة البرمجية والنماذج المدربة للجمهور من خلال الرابط: \href{https://github.com/Junpliu/ConDigSum}{https://github.com/Junpliu/ConDigSum}.