面向开放对话式机器阅读的对话状态平滑方法

对话式机器阅读（CMR）要求机器通过决策制定与问题生成过程这两个显著对话状态之间的多轮交互与人类交流。在作为更真实场景的开放 CMR 设定中，检索到的背景知识可能含有噪声，导致信息传输面临严峻挑战。现有研究通常为这两个子任务训练独立或流水线系统。然而，这些方法通过硬标签决策来激活问题生成，过于简单，最终阻碍了模型性能。在本工作中，我们提出一种有效的门控策略，通过在单一解码器中平滑两个对话状态，并桥接决策制定与问题生成以提供更丰富的对话状态参考。在 OR-ShARC 数据集上的实验显示了我们方法的有效性，其取得了新的最先进结果。