기존의 대화 요약 방법은 요약을 직접 생성하며 사용자의 특정 관심사를 고려하지 않습니다. 이는 사용자가 특정 주제나 측면에 더 집중하는 경우에 도전 과제를 제기합니다. 지시어 미세 조정(finetuning) 언어 모델의 발전에 따라, 우리는 대화 요약 모델의 기능 세트를 확장하기 위해 지시어 조정(instruction-tuning)을 대화에 도입합니다. 지시적 대화 요약 데이터의 부족성을 극복하기 위해, 우리는 높은 품질의 질의 기반 요약 트리플(query-based summarization triples)을 합성하기 위한 세 단계 접근법을 제안합니다. 이 과정은 요약 기반 질의 생성(summary-anchored query generation), 질의 필터링(query filtering), 그리고 질의 기반 요약 생성(query-based summary generation)을 포함합니다. 다목적 지시적 트리플로 구성된 세 개의 요약 데이터셋에서 통합 모델인 InstructDS(Instructive Dialogue Summarization)를 훈련시키면서, 우리는 대화 요약 모델의 기능을 확장합니다. 우리의 방법은 대화 요약과 대화 읽기 이해/dialogue reading comprehension를 포함한 네 개의 데이터셋에서 평가되었습니다. 실험 결과는 우리의 접근법이 최신(state-of-the-art) 모델들과 심지어 더 큰 크기의 모델들보다 우수함을 보여줍니다. 또한, 인간 주관 평가를 통해 우리 모델이 더 높은 일반화 능력과 충실성을 보임을 확인하였습니다.