FloCA: 面向忠实且逻辑一致的流程图推理
人工智能
2026-02-17 v1
摘要
流程图导向对话（FOD）系统旨在通过遵循特定领域的流程图指导用户完成多轮决策或操作程序，以实现任务目标。在本工作中，我们将FOD中的流程图推理形式化为在每轮对话中将用户输入 grounding 到流程图节点，同时确保节点转换符合正确的流程图路径。在最近的大语言模型（LLM）在任务导向对话系统方面取得进展后，适配FOD仍面临两个局限性：（1）LLM缺乏显式机制来表示和推理流程图拓扑结构；（2）它们容易产生幻觉，导致流程图推理不够忠实。在针对这些局限性方面，我们提出FloCA，一个零-shot流程图导向对话代理。FloCA使用LLM进行意图理解和响应生成，同时将流程图推理委托给外部工具执行，以确保拓扑受限的图执行，从而保证跨对话轮的忠实且逻辑一致的节点转换。我们进一步引入一个评估框架，包含基于LLM的用户模拟器和五个新指标，涵盖推理准确性和交互效率。大量实验在FLODIAL和PFDial数据集上表明，现有LLM方法的瓶颈在于FloCA的优势得到了验证。我们的代码已开放，地址为https://github.com/Jinzi-Zou/FloCA-flowchart-reasoning。
引用
@article{arxiv.2602.14035,
title = {FloCA: Towards Faithful and Logically Consistent Flowchart Reasoning},
author = {Jinzi Zou and Bolin Wang and Liang Li and Shuo Zhang and Nuo Xu and Junzhou Zhao},
journal= {arXiv preprint arXiv:2602.14035},
year = {2026}
}