学习实时生成与修正——呃我是说修复语言
计算与语言
2023-08-24 v1
摘要
在对话中，说话者以逐词递增的方式生成语言，同时持续监控自身贡献在对话动态展开语境中的恰当性；这常常导致他们在说话过程中修复自己的话语。这种实时语言处理能力对于开发流畅自然的对话式 AI 也至关重要。在本文中，我们利用先前习得的 Dynamic Syntax 语法和 CHILDES 语料库，开发、训练并评估一个用于递增生成的的概率模型，其中模型输入为 Type Theory with Records（TTR）中纯语义的生成目标概念。我们表明，该模型的输出在 78% 的情况下与黄金候选完全匹配，ROUGE-l 得分为 0.86。我们进一步对同一模型在话语中途生成目标改变时生成自我修复的能力进行零样本评估。自动评估显示，该模型能在 85% 的情况下正确生成自我修复。一项小规模人工评估确认了所生成自我修复的自然性与语法性。总体而言，这些结果进一步凸显了基于语法的模型的泛化能力，并为更可控、自然交互的对话式 AI 系统奠定了基础。
引用
@article{arxiv.2308.11683,
title = {Learning to generate and corr- uh I mean repair language in real-time},
author = {Arash Eshghi and Arash Ashrafzadeh},
journal= {arXiv preprint arXiv:2308.11683},
year = {2023}
}
备注
Proceedings of the workshop on the Semantics and Pragmatics of Dialogue, SemDial, Maribor, Slovenia (2023)