論文の概要: AnyTOD: A Programmable Task-Oriented Dialog System

• arxiv url: http://arxiv.org/abs/2212.09939v1
• Date: Tue, 20 Dec 2022 01:23:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-21 15:14:30.608998
• Title: AnyTOD: A Programmable Task-Oriented Dialog System
• Title（参考訳）: AnyTOD: プログラム可能なタスク指向対話システム
• Authors: Jeffrey Zhao, Yuan Cao, Raghav Gupta, Harrison Lee, Abhinav Rastogi, Mingqiu Wang, Hagen Soltau, Izhak Shafran, Yonghui Wu
• Abstract要約: 本稿では,未確認タスクに対するゼロショット機能を備えたタスク指向対話(TOD)システムであるAnyTODを提案する。 我々はSTARおよびABCDベンチマークの最先端結果と、低リソース環境でのAnyTODの強力なゼロショット転送能力を実証する。
• 参考スコア（独自算出の注目度）: 26.387269876540348
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose AnyTOD, an end-to-end task-oriented dialog (TOD) system with zero-shot capability for unseen tasks. We view TOD as a program executed by a language model (LM), where program logic and ontology is provided by a designer in the form of a schema. To enable generalization onto unseen schemas and programs without prior training, AnyTOD adopts a neuro-symbolic approach. A neural LM keeps track of events that occur during a conversation, and a symbolic program implementing the dialog policy is executed to recommend next actions AnyTOD should take. This approach drastically reduces data annotation and model training requirements, addressing a long-standing challenge in TOD research: rapidly adapting a TOD system to unseen tasks and domains. We demonstrate state-of-the-art results on the STAR and ABCD benchmarks, as well as AnyTOD's strong zero-shot transfer capability in low-resource settings. In addition, we release STARv2, an updated version of the STAR dataset with richer data annotations, for benchmarking zero-shot end-to-end TOD models.
• Abstract（参考訳）: 本稿では,未確認タスクに対するゼロショット機能を備えたタスク指向対話(TOD)システムであるAnyTODを提案する。 todは言語モデル(lm)によって実行されるプログラムであり、そこではプログラム論理とオントロジーはスキーマの形で設計者によって提供されます。 事前トレーニングなしで、目に見えないスキーマやプログラムへの一般化を可能にするため、AnyTODはニューロシンボリックアプローチを採用している。 neural lmは会話中に発生するイベントを追跡し、ダイアログポリシーを実装するシンボリックプログラムが実行され、任意のtodが行うべき次のアクションを推奨する。 このアプローチは、データアノテーションとモデルのトレーニング要件を劇的に削減し、tod研究における長年の課題である、タスクやドメインを認識するためにtodシステムを迅速に適用することに対処する。 我々はSTARおよびABCDベンチマークの最先端結果と、低リソース環境でのAnyTODの強力なゼロショット転送能力を実証する。 さらに、ゼロショットのエンドツーエンドTODモデルをベンチマークするために、よりリッチなデータアノテーションを備えたSTARデータセットの更新版STARv2をリリースします。

関連論文リスト

• TOD-Flow: Modeling the Structure of Task-Oriented Dialogues [77.15457469745364]
  ダイアログを付加した対話データからTOD-Flowグラフを推定する手法を提案する。 推定されたTOD-Flowグラフは、任意の対話モデルと容易に統合することができ、予測性能、透明性、制御性を改善することができる。
  論文  参考訳（メタデータ） (2023-12-07T20:06:23Z)
• InstructTODS: Large Language Models for End-to-End Task-Oriented Dialogue Systems [60.53276524369498]
  大規模言語モデル(LLM)は自然言語処理(NLP)における多様なタスクに使用されている。 InstructTODSは、ゼロショットのタスク指向対話システムのための新しいフレームワークである。 InstructTODSは、ユーザの意図を動的クエリにシームレスに翻訳するプロキシの信念状態を生成する。
  論文  参考訳（メタデータ） (2023-10-13T06:36:26Z)
• SGP-TOD: Building Task Bots Effortlessly via Schema-Guided LLM Prompting [43.02058641501056]
  大規模言語モデル(LLM)は、会話のエンゲージメントにおいて例外的な熟練度を示した。 SGP-TOD,Guided Promptingを導入し,タスク指向のダイアログシステムを構築する。 SGP-TODは、ユーザと対話するためのLDMと、ダイアログ状態追跡を行うDSTプロンプタと、提供されたダイアログポリシーに準拠する適切な応答を引き出すポリシープロンプタの3つのコンポーネントから構成される。
  論文  参考訳（メタデータ） (2023-05-15T23:29:56Z)
• Zero-Shot Generalizable End-to-End Task-Oriented Dialog System using Context Summarization and Domain Schema [2.7178968279054936]
  タスク指向対話システムにおける最先端のアプローチは、条件付きシーケンス生成タスクとして問題を定式化する。 これは、新しいドメインまたはタスクごとにラベル付きトレーニングデータを必要とする。 本稿では,ZS-ToDという,Zero-Shotの汎用的なエンドツーエンドタスク指向ダイアログシステムについて紹介する。
  論文  参考訳（メタデータ） (2023-03-28T18:56:31Z)
• Enhancing Task Bot Engagement with Synthesized Open-Domain Dialog [89.35658776144638]
  TODとODDの両方を扱えるシステムを構築し、異なる知識ソースにアクセスすることが不可欠である。 本稿では,知識基盤のODDとTODを組み合わせた対話を自動的に生成するフレームワークを提案する。 本研究では,TODモードとODDモードを適切に適用し,異なる知識ソースにアクセス可能な統合モデルPivotBotを提案する。
  論文  参考訳（メタデータ） (2022-12-20T05:51:47Z)
• A Multi-Task BERT Model for Schema-Guided Dialogue State Tracking [78.2700757742992]
  タスク指向対話システムは対話状態追跡器(DST)を用いて会話を完了させる。 最近の最先端のDST実装は、モデルの堅牢性を改善するために様々なサービスのスキーマに依存している。 本稿では,意図予測,要求スロット予測,スロットフィリングの3つのDSTタスクを協調的に解決する単一マルチタスクBERTモデルを提案する。
  論文  参考訳（メタデータ） (2022-07-02T13:27:59Z)
• Description-Driven Task-Oriented Dialog Modeling [29.200221289845533]
  言語記述駆動システムでは,タスク仕様の理解が向上し,状態追跡性能が向上し,データ効率が向上し,目に見えないタスクへの効率的なゼロショット転送が可能であることを示す。 本稿では、スキーマ記述と"インデックスピッキング"機構に純粋に依存した、シンプルで効果的な記述駆動型ダイアログ状態追跡(D3ST)モデルを提案する。
  論文  参考訳（メタデータ） (2022-01-21T22:07:41Z)
• Multi-Task Pre-Training for Plug-and-Play Task-Oriented Dialogue System [26.837972034630003]
  PPTODはタスク指向対話のための統一的なプラグアンドプレイモデルである。 エンド・ツー・エンドの対話モデル、対話状態追跡、意図分類を含む3つのベンチマークTODタスクにおいて、我々のモデルを広範囲にテストする。
  論文  参考訳（メタデータ） (2021-09-29T22:02:18Z)
• CINS: Comprehensive Instruction for Few-shot Learning in Task-oriented Dialog Systems [56.302581679816775]
  本稿では,タスク固有の命令でPLMを利用する包括的インストラクション(CINS)を提案する。 命令のスキーマ(定義、制約、プロンプト)と、ToDの3つの重要な下流タスクに対するカスタマイズされた実現を設計する。 これらのToDタスクに対して,小さな検証データを用いた現実的な数ショット学習シナリオで実験を行った。
  論文  参考訳（メタデータ） (2021-09-10T03:23:06Z)
• RADDLE: An Evaluation Benchmark and Analysis Platform for Robust Task-oriented Dialog Systems [75.87418236410296]
  我々はraddleベンチマーク、コーパスのコレクション、および様々なドメインのモデルのパフォーマンスを評価するためのツールを紹介します。 RADDLEは強力な一般化能力を持つモデルを好んで奨励するように設計されている。 先行学習と微調整に基づく最近の最先端システムの評価を行い,異種ダイアログコーパスに基づく基礎的な事前学習が,ドメインごとの個別モデルをトレーニングするよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-12-29T08:58:49Z)

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。