TransferTOD：利用LLM解决TOD系统在域外场景槽位难以泛化的问题

文章预览

任务型对话系统旨在高效处理任务导向的对话，如何利用任务型对话系统准确、高效、合理地完成信息采集的工作一直是一项关键且具有挑战性的任务。目前的槽位填充数据集大多服务于用户主导型系统，往往会局限于预设好的特定场景和特定槽位。而在“客服-用户”信息收集这一系统主导型的对话场景中，需要填充的槽位与槽位值往往是陌生的，填槽的准确率会严重下降，系统也无法根据槽位填充的情况提出准确的问题引导用户回答，完成下一个填槽行为。传统的TOD方法难以在这个任务上取得很好的结果。 最近的研究表明，大型语言模型在对话、指令生成和推理方面表现出色，能够通过微调极大地提高任务型对话系统的性能。与此同时，大模型优秀的泛化能力也能够承担起系统主导型的对话系统针对空槽位提问的能力，以及对于未训练槽位值 ………………………………