面向塞内加尔沃洛夫语的任务型对话系统

近年来，随着大语言模型 (LLM) 的兴起，人们对对话智能体产生了浓厚的兴趣。尽管 LLM 具有显著的优势，但也带来了重大风险，例如幻觉，这阻碍了其在工业界的广泛部署。此外，非洲语言等低资源语言在这些系统中的代表性仍然不足，限制了其在这些语言上的性能。在本文中，我们展示了一种基于任务型对话系统 模块化架构的更经典的方法，该方法对输出提供了更好的控制。我们提出了一种基于 Rasa 框架的聊天机器人生成引擎，以及一种使用内部机器翻译系统将注释投影到沃洛夫语的稳健方法。在对基于 Amazon Massive 数据集训练的生成聊天机器人进行评估后，我们的沃洛夫语意图分类器的表现与在法语这一资源丰富语言上获得的表现相当。我们还表明，得益于意图分类器的语言无关流水线，该方法可扩展至其他低资源语言，从而简化了这些语言中聊天机器人的设计。