Call2Instruct：从呼叫中心录音生成LLM微调Q&A数据集的自动化管道
机器学习
2026-01-22 v1 人工智能
计算与语言
人机交互
声音
音频与语音处理
摘要
大型语言模型（LLM）适应特定领域依赖于高质量的微调数据集，尤其是以指令格式（如问答-Q&A）为目标。然而，生成这些数据集尤其是从非结构化来源如呼叫中心音频录音中生成，由于数据的嘈杂和不条理性，面临重大挑战。本文提出了一种解决方案，通过提供一个从此类录音生成问答指令数据集的端到端自动化管道。开发的方法包括依次进行的音频处理（包括语音识别、降噪和自动转录）、文本处理（清洗、规范化和匿名化）、使用向量嵌入从客户需求和随之而来的响应中进行语义提取，以及通过语义搜索进行匹配以形成最终的问答对。结果成功实现了整个管道，生成了专为指令微调格式的数据集。通过对基于Llama 2 7B的LLM模型进行成功微调，验证了所生成数据集的实际价值和可行性。该论文的结论表明，所提出的方法可行，用于将呼叫中心的非结构化对话数据转换为训练LLM的有价值资源。该发展有望为在客户服务领域创建更有效的AI系统提供Q&A任务。开发的代码已公开，以促进可重复性和未来研究。
引用
@article{arxiv.2601.14263,
title = {Call2Instruct: Automated Pipeline for Generating Q&A Datasets from Call Center Recordings for LLM Fine-Tuning},
author = {Alex Echeverria and Sávio Salvarino Teles de Oliveira and Fernando Marques Federson},
journal= {arXiv preprint arXiv:2601.14263},
year = {2026}
}
备注
15 pages, 1 figures, conference