論文の概要: Towards a Progression-Aware Autonomous Dialogue Agent
- arxiv url: http://arxiv.org/abs/2205.03692v2
- Date: Tue, 10 May 2022 19:10:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-12 17:19:15.630858
- Title: Towards a Progression-Aware Autonomous Dialogue Agent
- Title（参考訳）: 進歩型自律対話エージェントを目指して
- Authors: Abraham Sanders, Tomek Strzalkowski, Mei Si, Albert Chang, Deepanshu
Dey, Jonas Braasch, Dakuo Wang
- Abstract要約: 本稿では,対話エージェントが対話の進行を望ましい結果から遠ざかることができる枠組みを提案する。
本フレームワークは,(1)「グローバル」対話状態(GDS)の概念,(2)会話の軌跡から計算したタスク固有進行関数(PF),(3)エージェントが進行信号を使用して次の応答を選択する対話ロールアウトに基づく計画機構の3つの重要な要素から構成される。
- 参考スコア（独自算出の注目度）: 14.09591070450606
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in large-scale language modeling and generation have enabled
the creation of dialogue agents that exhibit human-like responses in a wide
range of conversational scenarios spanning a diverse set of tasks, from general
chit-chat to focused goal-oriented discourse. While these agents excel at
generating high-quality responses that are relevant to prior context, they
suffer from a lack of awareness of the overall direction in which the
conversation is headed, and the likelihood of task success inherent therein.
Thus, we propose a framework in which dialogue agents can evaluate the
progression of a conversation toward or away from desired outcomes, and use
this signal to inform planning for subsequent responses. Our framework is
composed of three key elements: (1) the notion of a "global" dialogue state
(GDS) space, (2) a task-specific progression function (PF) computed in terms of
a conversation's trajectory through this space, and (3) a planning mechanism
based on dialogue rollouts by which an agent may use progression signals to
select its next response.
- Abstract（参考訳）: 近年の大規模言語モデリングと生成の進歩により、一般的なチャットから目標指向の談話まで多岐にわたる会話シナリオにおいて、人間のような応答を示す対話エージェントの作成が可能になった。
これらのエージェントは、事前の文脈に関連する高品質な応答を生成するのに優れていますが、会話が進む方向全体に対する認識の欠如と、タスクの成功の可能性に悩まされています。
そこで本研究では,対話エージェントが対話の進行を望ましい結果から遠ざかることができる枠組みを提案し,この信号を用いてその後の応答の計画を立てる。
本フレームワークは,(1)「グローバル」対話状態(GDS)空間の概念,(2)会話の軌跡から計算したタスク固有進行関数(PF),(3)エージェントが進行信号を用いて次の応答を選択するための対話ロールアウトに基づく計画機構の3つの重要な要素から構成される。
関連論文リスト
- Target-constrained Bidirectional Planning for Generation of
Target-oriented Proactive Dialogue [11.338393954848632]
ターゲット指向対話生成のための効果的な対話計画に着目する。
認知科学における意思決定理論に着想を得て,新たな目標制約型双方向計画手法を提案する。
我々のアルゴリズムは、様々なベースラインモデルよりも大幅に優れている。
論文 参考訳（メタデータ） (2024-03-10T02:14:24Z) - Prompting and Evaluating Large Language Models for Proactive Dialogues:
Clarification, Target-guided, and Non-collaboration [72.04629217161656]
本研究は, 明瞭化, 目標誘導, 非協調対話の3つの側面に焦点をあてる。
LLMの能動性を高めるために,プロアクティブ・チェーン・オブ・ソート・プロンプト方式を提案する。
論文 参考訳（メタデータ） (2023-05-23T02:49:35Z) - EM Pre-training for Multi-party Dialogue Response Generation [86.25289241604199]
多人数対話では、応答発話の宛先を生成前に指定する必要がある。
本稿では,アドレナラベルを生成するための期待ステップを反復的に実行する期待最大化(EM)アプローチを提案する。
論文 参考訳（メタデータ） (2023-05-21T09:22:41Z) - A Survey on Proactive Dialogue Systems: Problems, Methods, and Prospects [100.75759050696355]
本稿では,対話エージェントの多種多様な対話における能動性に関する顕著な問題と先進的な設計について概説する。
我々は、現実世界のアプリケーションのニーズを満たすが、将来もっと研究に焦点を当てる必要がある課題について議論する。
論文 参考訳（メタデータ） (2023-05-04T11:38:49Z) - Act-Aware Slot-Value Predicting in Multi-Domain Dialogue State Tracking [5.816391291790977]
対話状態追跡(DST)は、人間と機械の相互作用を追跡し、対話を管理するための状態表現を生成することを目的としている。
機械読解の最近の進歩は、対話状態追跡のための分類型と非分類型のスロットの両方を予測する。
我々は対話行為を定式化し、機械読解の最近の進歩を活用し、対話状態追跡のためのカテゴリー型と非カテゴリ型の両方のスロットを予測する。
論文 参考訳（メタデータ） (2022-08-04T05:18:30Z) - SalesBot: Transitioning from Chit-Chat to Task-Oriented Dialogues [22.89699254073016]
ソーシャルチャットからタスク指向対話へのスムーズな移行は、ビジネスチャンスの引き金になる上で重要である。
本稿では,人間の介在なく多数の対話を自動生成するフレームワークを提案する。
公表されたデータは、将来の研究方向と商業活動のガイドとなる大きな可能性を秘めている。
論文 参考訳（メタデータ） (2022-04-22T09:31:13Z) - User Satisfaction Estimation with Sequential Dialogue Act Modeling in
Goal-oriented Conversational Systems [65.88679683468143]
我々は,ユーザ満足度を予測するために,対話行動の逐次的ダイナミクスを取り入れた新しいフレームワーク,すなわちUSDAを提案する。
USDAは、ユーザの満足度を予測するために、コンテンツと行動機能の連続的な遷移を対話に取り入れている。
4つのベンチマーク目標指向対話データセットによる実験結果から,提案手法はUSEの既存手法よりも大幅に優れていた。
論文 参考訳（メタデータ） (2022-02-07T02:50:07Z) - UniDS: A Unified Dialogue System for Chit-Chat and Task-oriented
Dialogues [59.499965460525694]
上記の2つのスキルを備えた統合対話システム(UniDS)を提案する。
我々は、チャットとタスク指向の対話の両方に対応可能な統合対話データスキーマを設計する。
我々は、事前訓練されたチャット対話モデルから混合対話データでUniDSを訓練する。
論文 参考訳（メタデータ） (2021-10-15T11:56:47Z) - WeaSuL: Weakly Supervised Dialogue Policy Learning: Reward Estimation
for Multi-turn Dialogue [17.663449579168297]
エージェントとユーザ(教師付き学習目標を持つエージェントに類似したモデル化)の対話をシミュレートし、相互に対話する。
エージェントは動的ブロッキングを使用して、ランク付けされた多様な応答と探索-探索を生成し、トップK応答の中から選択する。
2つのベンチマークによる実証研究は、我々のモデルが応答品質を著しく上回り、会話の成功につながることを示唆している。
論文 参考訳（メタデータ） (2021-08-01T08:00:45Z) - Recent Advances and Challenges in Task-oriented Dialog System [63.82055978899631]
課題指向対話システムは、学術・産業社会でますます注目を集めている。
タスク指向ダイアログシステムにおける3つの重要なトピックについて論じる。(1)低リソース環境でのダイアログモデリングを容易にするデータ効率の改善、(2)ダイアログポリシー学習のためのマルチターンダイナミクスのモデリング、(3)ダイアログモデルへのドメイン知識の統合。
論文 参考訳（メタデータ） (2020-03-17T01:34:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。