基于语言模型的对话系统演进综述:数据、任务与模型
计算与语言
2025-07-22 v2 人工智能
摘要
对话系统(DS),包括任务型对话系统(TOD)和开放域对话系统(ODD),一直是自然语言处理(NLP)中的基础任务,在实践中具有多种应用。由于精妙的训练和精心设计的模型架构,语言模型(LM)通常被采用为构建对话系统所必需的骨干。因此,LM的每一次突破都会带来对话系统学习范式和研究关注点的转变,尤其是预训练语言模型(PLM)和大型语言模型(LLM)的出现。在本文中,我们深入考察对话系统的历史,特别是其与语言模型进展的特殊关系。由此,我们的综述提供了一个系统的视角,按时间顺序对照LM突破对不同的阶段进行分类,全面回顾了最先进的研究成果。此外,我们将注意力转向新兴主题并讨论开放挑战,为基于LLM的对话系统的未来方向提供有价值的见解。总之,本综述探讨了语言模型与对话系统之间的动态相互作用,阐明了这一重要关系的演进路径。通过此探索,我们为更深入理解该领域铺平道路,指导基于LM的对话系统的未来发展。
引用
@article{arxiv.2311.16789,
title = {A Survey of the Evolution of Language Model-Based Dialogue Systems: Data, Task and Models},
author = {Hongru Wang and Lingzhi Wang and Yiming Du and Liang Chen and Jingyan Zhou and Yufei Wang and Kam-Fai Wong},
journal= {arXiv preprint arXiv:2311.16789},
year = {2025}
}