DuIVRS-2：基于大语言模型的交互式语音响应系统用于大规模POI属性获取
人工智能
2026-05-19 v1
摘要
准确获取地理位置信息服务所需的兴趣点（POI）属性至关重要，但传统模块化交互式语音响应（IVR）系统 suffer from 误差累积和高维护负担。我们提出DuIVRS-2，一个基于大语言模型（LLM）的端到端框架，专为Baidu Maps上大规模POI属性获取而设计。为解决现实交互长尾分布的问题，我们首先采用有限状态机（FSM）引导的数据增强策略来合成平衡且多样化的训练数据集。随后，我们通过选择性生成方案结合链式思维（CoT）机制来精简对话管理，该机制确保输出稳定，有效消除工业界的幻觉。为实现最小人工 effort的持续政策细化，我们设计了一个利用双评估器投票系统的合作性迭代学习框架。该系统已在生产环境中部署两个月，日均处理0.4百万通话，实现了**83.9%任务成功率（TSR）**，超越其前身4个百分点，同时保持仅130毫秒的低反应时间。这项工作为开发面向大规模工业对话应用的稳健、成本效益高的LLM智能体提供了实证参考。
引用
@article{arxiv.2605.17900,
title = {DuIVRS-2: An LLM-based Interactive Voice Response System for Large-scale POI Attribute Acquisition},
author = {Le Zhang and Shengming Zhang and Rui Zha and Yunpeng Wu and Jingbo Zhou and Jizhou Huang},
journal= {arXiv preprint arXiv:2605.17900},
year = {2026}
}
备注
Accepted to ACL 2026 Industry Track. 14 pages, including appendix