基于流式细化与模拟互动的对话任务模式生成归纳
计算与语言
2025-04-28 v1
摘要
在任务导向对话(TOD)系统中，插槽模式归纳(SSI)是从对话数据中自动识别关键信息槽位的核心技术。本文提出一种新型最先进(SoTA)方法，将SSI形式化为文本生成任务，使语言模型能够在对话数据流中逐步构建并细化槽位模式。为实现此方法，我们构建了一种全自动的基于大语言模型(LLM)的 TOD 模拟方法，生成具有高质量状态标签的新任务域数据。进一步发现，SSI评估存在数据泄露及其与人类判断不匹配的指标问题。我们通过采用模拟方法结合人工指导与纠正，创建新的评估数据，并设计改进的评估指标来解决上述问题。这些贡献为未来SSI研究奠定了基础，并推动了对话理解与系统开发的SoTA水平。
引用
@article{arxiv.2504.18474,
title = {Generative Induction of Dialogue Task Schemas with Streaming Refinement and Simulated Interactions},
author = {James D. Finch and Yasasvi Josyula and Jinho D. Choi},
journal= {arXiv preprint arXiv:2504.18474},
year = {2025}
}
备注
Accepted (B) to TACL 2025