基于GPT对话的分层任务交互式学习

我们提出了一种使用GPT模型作为对话前端、从对话中进行可解释、符号化、交互式任务学习的系统。所学任务被表示为带有作用域变量参数的谓词-论元结构分层分解。通过使用GPT模型将交互式对话转换为语义表示，并递归地询问未知步骤的定义，我们展示了分层任务知识可以在自然且无约束的对话环境中被获取和重用。我们将我们的系统与使用更传统解析器的类似架构进行比较，表明我们的系统可容忍更广泛的语言变异。