ChatGPT 用于零样本对话状态跟踪：解决方案还是机遇？
计算与语言
2023-06-05 v1 人工智能
摘要
近期关于对话状态跟踪（DST）的研究聚焦于允许向新领域或新模式进行少样本和零样本迁移的方法。然而，性能提升严重依赖于激进的数据增强和对日益庞大的基于语言模型架构的微调。相比之下，在大量多样化数据上训练的通用语言模型有望在不进行任务特定训练的情况下解决任何类型的任务。我们展示了在 ChatGPT 研究预览版上的初步实验结果，表明 ChatGPT 在零样本 DST 中达到了最先进的性能。尽管有这些发现，我们认为通用模型固有的特性限制了它们替代专用系统的能力。我们进一步推测，此类模型的上下文学习能力很可能成为支持开发专用且动态对话状态跟踪器的有力工具。
引用
@article{arxiv.2306.01386,
title = {ChatGPT for Zero-shot Dialogue State Tracking: A Solution or an Opportunity?},
author = {Michael Heck and Nurul Lubis and Benjamin Ruppik and Renato Vukovic and Shutong Feng and Christian Geishauser and Hsien-Chin Lin and Carel van Niekerk and Milica Gašić},
journal= {arXiv preprint arXiv:2306.01386},
year = {2023}
}
备注
13 pages, 3 figures, accepted at ACL 2023