CoXQL：对话式 XAI 系统中解析解释请求的数据集

基于大语言模型（LLM）的对话式可解释人工智能（ConvXAI）系统在自然语言处理（NLP）和人机交互（HCI）领域引起了广泛关注。此类系统可以针对对话中关于解释的问题提供答案，具有潜在增强用户理解并提供有关 LLM 决策和生成过程的更多信息。当前可用的 ConvXAI 系统基于意图识别而非自由聊天，因为后者在识别用户意图方面被发现更精确可靠。然而，意图识别在 ConvXAI 中仍然是一个挑战，因为几乎没有训练数据可用且领域高度特定，因为需要将请求映射到各种 XAI 方法上。在弥合这一差距的过程中，我们提出了 CoXQL，这是 NLP 领域首个用于 ConvXAI 中用户意图识别的数据集，涵盖 31 种意图，其中 7 种需要填充多个槑位。随后，我们通过纳入模板验证，改进了一个现有的解析方法，并针对 CoXQL 对几种 LLM 进行了评估，采用不同的解析策略。我们得出结论，改进后的解析方法（MP+）优于以往方法。我们还发现，具有多个槑位的意图对 LLM 来说仍然具有高度挑战性。