DSTC 12 对话主题检测轨迹：可控性

对话分析正处于由语音和自然语言处理技术进步推动的转型前沿。大型语言模型（LLM）在分析领域的快速采纳，使可自动化的问题在复杂度和规模上达到了新的水平。本文介绍了主题检测作为对话分析中的关键任务，旨在自动识别和分类对话中的主题。该过程可显著减少分析大规模对话（尤其是在客户支持或销售等领域）时所需的手动工作量。与传统对话意图检测不同，后者通常依赖于为下游系统逻辑设置的固定意图集合，而主题意在作为对话核心询问的直接、用户面向的摘要。此区别允许主题在表层形式和用户特定定制方面具有更大的灵活性。我们将可控对话主题检测问题作为对话系统技术挑战（DSTC）12 的公开竞赛轨道提出——其独特之处在于通过提供用户偏好数据实现对结果主题聚类的可控性粒度。我们提供问题概述、关联数据集和评估指标（包括自动评估和人类评估），并讨论参赛团队的提交情况。轨道材料（数据和代码）已在 GitHub 仓库中公开。