基于大语言模型的零样态开放词汇对话理解管道
计算与语言
2025-03-11 v3 人工智能
摘要
对话状态跟踪(DST)是理解用户需求并执行适当系统动作于任务导向对话中至关重要。大多数现有DST方法设计用于在预定义的本体中工作，并假设可用金标准域标签，难以适应新的槽位值。虽然基于大语言模型(LLM)的系统在零样态DST方面表现出色，但它们要么需要大量计算资源，要么表现不如现有的全训练系统，限制了其实际应用性。为此，我们提出一个零样态、开放词汇系统，将域分类和DST集成到单个管道中。我们的方法包括将DST重新表述为问答任务以适应资源较低的模型，并使用自我完善式提示词以提高更灵活的模型。该系统不依赖于由本体定义的固定槽位值，允许系统动态适应。我们与现有SOTA方法进行比较，表明在Multi-WOZ 2.1等数据集上，JGA(联合目标准确率)可提高最高20%，而且对LLM API的请求量可减少最高90%。
引用
@article{arxiv.2409.15861,
title = {A Zero-Shot Open-Vocabulary Pipeline for Dialogue Understanding},
author = {Abdulfattah Safa and Gözde Gül Şahin},
journal= {arXiv preprint arXiv:2409.15861},
year = {2025}
}
备注
Accepted to NAACL 2025