SGP-TOD：基于模式引导 LLM 提示的轻量级任务型对话机器人构建方法
计算与语言
2023-05-17 v1
摘要
以最小的人力构建端到端任务型机器人并维护其与新功能的集成，是对话研究中的一个长期挑战。近来，大语言模型(LLMs)在各种下游任务中展现出卓越的对话参与能力和指令遵循能力。在本工作中，我们提出 SGP-TOD，即基于 LLM 的用于轻量级构建任务型对话(Task-Oriented Dialog)系统的模式引导提示(Schema-Guided Prompting)方法。利用符号知识——任务模式(schema)，我们指示固定的 LLM 在新任务上生成恰当回复，从而避免对训练数据的需求。具体而言，SGP-TOD 包含三个组件：一个与用户交互的 LLM、一个辅助 LLM 进行对话状态追踪的 DST Prompter（其输出用于检索数据库条目），以及一个依据所给对话策略引发恰当回复的 Policy Prompter。在 Multiwoz、RADDLE 和 STAR 数据集上的实验结果表明，我们的免训练策略 SGP-TOD 在没有任何任务特定数据的情况下取得了最先进的(SOTA)零样本性能，大幅超越少样本方法。在领域扩展设定下，SGP-TOD 仅通过添加补充模式规则即可恰当适配新功能。我们公开了代码与数据。
引用
@article{arxiv.2305.09067,
title = {SGP-TOD: Building Task Bots Effortlessly via Schema-Guided LLM Prompting},
author = {Xiaoying Zhang and Baolin Peng and Kun Li and Jingyan Zhou and Helen Meng},
journal= {arXiv preprint arXiv:2305.09067},
year = {2023}
}
备注
21 pages, 13 figures