“我还是去睡觉算了”：理解间接回答

我们重新审视对话中的一个语用推理问题：理解对问题的间接回答。人类可以解释“我快饿死了”作为对“饿吗？”的回答，即使没有直接线索词如“是”和“否”。在对话系统中，允许自然回答而非封闭词表同样会是有益的。然而，当今的系统对这些语用行为的敏感度仅取决于其语言模型的能力。我们创建并发布了首个大规模英语语料库“Circa”，包含34,268个（极性问句，间接回答）对，以推动该任务的研究进展。数据通过精细的众包收集，包含具有肯定/否定含义的话语，以及不确定、中间立场和条件性回答。我们还提出了基于BERT的神经网络模型，用于预测问答对的此类类别。我们发现，虽然从蕴含关系进行迁移学习效果尚可，但性能尚不足以支撑鲁棒对话。我们的模型在4类区分上达到82-88%的准确率，在6类上达到74-85%的准确率。