CarExpert：利用大语言模型实现车载对话式问答
计算与语言
2023-10-17 v1 信息检索
机器学习
摘要
大语言模型（LLMs）通过遵循自然语言指令而无需在领域特定任务和数据上微调，已展现出卓越性能。然而，利用 LLMs 进行领域特定问答存在严重局限。由于训练数据收集时间（使用现成模型时）、复杂的用户话语以及检索错误（在检索增强生成中），生成答案易产生幻觉。此外，由于缺乏对所涉领域及预期输出的认知，此类 LLMs 可能生成不符合目标领域、不可预期且不安全的答案。本文提出 CarExpert，一种利用 LLMs 执行不同任务的车载检索增强对话问答系统。具体而言，CarExpert 采用 LLMs 控制输入，向抽取式与生成式回答组件提供领域特定文档，并控制输出以确保安全且领域特定的答案。综合实证评估表明，CarExpert 在生成自然、安全且汽车特定的答案方面优于最先进的 LLMs。
引用
@article{arxiv.2310.09536,
title = {CarExpert: Leveraging Large Language Models for In-Car Conversational Question Answering},
author = {Md Rashad Al Hasan Rony and Christian Suess and Sinchana Ramakanth Bhat and Viju Sudhi and Julia Schneider and Maximilian Vogel and Roman Teucher and Ken E. Friedl and Soumya Sahoo},
journal= {arXiv preprint arXiv:2310.09536},
year = {2023}
}
备注
Accepted into EMNLP 2023 (industry track), corresponding Author: Md Rashad Al Hasan Rony