连续且部分可观测语境下常识 grounding 的自然语言语料库

常识 grounding（common grounding）是建立、修复与更新相互理解的过程，是高级人类交流的关键方面。然而，传统对话系统建立常识 grounding 的能力有限，且我们也缺乏能在常识 grounding 上引入自然难度的任务形式，同时便于对复杂模型进行评估与分析。本文提出了一个最小对话任务，要求在连续且部分可观测的语境下具备高级的常识 grounding 能力。基于该任务形式，我们收集了包含 6760 段对话的大规模数据集，满足了自然语言语料库的基本需求。对数据集的分析揭示了与常识 grounding 相关、需要被考量的重要现象。最后，我们在一个要求识别已建立常识 grounding 的简单子任务上评估并分析了基线神经网络模型。结果表明简单基线模型表现尚可，但仍有改进空间。总体而言，我们证明所提任务将成为一个基础测试平台，可在其中训练、评估并分析对话系统在高级常识 grounding 上的能力。