面向对话状态跟踪零样本领域自适应的模式增强

对话状态跟踪的零样本领域自适应仍然是任务导向对话系统中的一个挑战性问题，其中模型必须泛化到训练时未见过的目标领域。当前用于零样本领域自适应的大语言模型方法依赖于提示来引入与目标领域相关的知识。然而，它们的有效性在很大程度上取决于提示工程以及底层语言模型的零样本能力。在这项工作中，我们设计了一种新颖的数据增强方法——模式增强，它通过微调来改善语言模型的零样本领域自适应能力。模式增强是一种简单但有效的技术，通过在提示中提供的模式内引入槽位名称的变体来增强泛化能力。在 MultiWOZ 和 SpokenWOZ 上的实验表明，所提出的方法相较于基线有显著提升，在某些实验中，在未见领域上的准确率提升超过一倍，同时在所有领域上保持同等或更优的性能。