論文の概要: TOAD: Task-Oriented Automatic Dialogs with Diverse Response Styles
- arxiv url: http://arxiv.org/abs/2402.10137v2
- Date: Fri, 16 Feb 2024 10:57:32 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-19 12:42:35.918226
- Title: TOAD: Task-Oriented Automatic Dialogs with Diverse Response Styles
- Title(参考訳): TOAD: 多様な応答スタイルを持つタスク指向自動ダイアログ
- Authors: Yinhong Liu, Yimai Fang, David Vandyke and Nigel Collier
- Abstract要約: タスク指向自動ダイアログ(TOAD: Task-Oriented Automatic Dialogs)は,新規でスケーラブルなTODデータセットである。
TOADデータセットは、現実的なアプリケーションコンテキストのインタラクションをシミュレートし、さまざまなシステムレスポンススタイルオプションを提供する。
我々はTOADを2つの応答生成タスクでベンチマークし、その結果、ユーザ表現ミラーリングなしでより冗長な応答や応答をモデル化することがより困難であることを示す。
- 参考スコア(独自算出の注目度): 29.02381697023965
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In light of recent advances in large language models (LLMs), the expectations
for the next generation of virtual assistants include enhanced naturalness and
adaptability across diverse usage scenarios. However, the creation of
high-quality annotated data for Task-Oriented Dialog (TOD) is recognized to be
slow and costly. To address these challenges, we introduce Task-Oriented
Automatic Dialogs (TOAD), a novel and scalable TOD dataset along with its
automatic generation pipeline. The TOAD dataset simulates realistic app context
interaction and provide a variety of system response style options. Two aspects
of system response styles are considered, verbosity level and users' expression
mirroring. We benchmark TOAD on two response generation tasks and the results
show that modelling more verbose or responses without user expression mirroring
is more challenging.
- Abstract(参考訳): 大規模言語モデル(LLM)の最近の進歩を踏まえると、次世代の仮想アシスタントに対する期待には、さまざまな利用シナリオにおける自然性と適応性の向上が含まれている。
しかし、タスク指向対話(TOD)のための高品質な注釈付きデータの作成は遅く、コストがかかる。
これらの課題に対処するために,新しいスケーラブルなTODデータセットであるTask-Oriented Automatic Dialogs(TOAD)と,その自動生成パイプラインを紹介する。
TOADデータセットは、現実的なアプリケーションコンテキストのインタラクションをシミュレートし、さまざまなシステムレスポンススタイルオプションを提供する。
システム応答スタイルの2つの側面は、冗長度レベルとユーザの表現ミラーリングである。
我々はTOADを2つの応答生成タスクでベンチマークし、その結果、ユーザ表現ミラーリングなしでより冗長な応答や応答をモデル化することがより困難であることを示す。
関連論文リスト
- LUCID: LLM-Generated Utterances for Complex and Interesting Dialogues [40.07063536167041]
仮想アシスタントは、トランスフォーマーベース大規模言語モデル(LLM)の進歩によって、対話能力の面で劇的な飛躍を遂げる可能性がある。
しかし、真にトランスフォーメーションされたタスク指向対話機能を実現するための大きなボトルネックは、高品質で言語学的に洗練されたデータの不足である。
LUCIDを使用して、100のインテントにまたがる4,277のマルチドメイン、マルチインテリジェントな会話のシードデータセットを生成し、その能力を実証しています。
論文 参考訳(メタデータ) (2024-03-01T11:33:53Z) - Task-Optimized Adapters for an End-to-End Task-Oriented Dialogue System [0.0]
本稿では,タスク毎に個別に学習し,事前学習したネットワークの固定層に少数のパラメータを追加するタスク・ド・アダプタを用いたエンドツーエンドTODシステムを提案する。
提案手法はモデルに依存しない手法であり,プロンプトを使わずに入力データのみをプロンプトチューニングする必要がない。
論文 参考訳(メタデータ) (2023-05-04T00:17:49Z) - Stabilized In-Context Learning with Pre-trained Language Models for Few
Shot Dialogue State Tracking [57.92608483099916]
大規模事前学習言語モデル(PLM)は、多くのNLPタスクにまたがる優れた性能を示している。
対話状態追跡(DST)のようなより複雑なタスクでは、望ましい意図を確実に伝達するプロンプトを設計するのは簡単ではない。
対話文の長さを制限するためのサリエンシモデルを導入し、クエリ毎に多くの例を含めることができます。
論文 参考訳(メタデータ) (2023-02-12T15:05:10Z) - AARGH! End-to-end Retrieval-Generation for Task-Oriented Dialog [3.42658286826597]
AARGHは、単一モデルにおける検索と生成のアプローチを組み合わせたエンドツーエンドのタスク指向対話システムである。
提案手法は,状態追跡とコンテキスト・ツー・レスポンス生成性能を維持・改善しながら,より多様な出力を生成する。
論文 参考訳(メタデータ) (2022-09-08T08:15:22Z) - Manual-Guided Dialogue for Flexible Conversational Agents [84.46598430403886]
対話データを効率的に構築し、利用する方法や、さまざまなドメインにモデルを大規模にデプロイする方法は、タスク指向の対話システムを構築する上で重要な問題である。
エージェントは対話とマニュアルの両方からタスクを学習する。
提案手法は,詳細なドメインオントロジーに対する対話モデルの依存性を低減し,様々なドメインへの適応をより柔軟にする。
論文 参考訳(メタデータ) (2022-08-16T08:21:12Z) - DialogVED: A Pre-trained Latent Variable Encoder-Decoder Model for
Dialog Response Generation [80.45816053153722]
DialogVEDは、拡張エンコーダデコーダ事前トレーニングフレームワークに連続潜伏変数を導入し、応答の関連性と多様性を高める。
我々は,PersonaChat,DailyDialog,DSTC7-AVSDベンチマークを用いて応答生成実験を行った。
論文 参考訳(メタデータ) (2022-04-27T16:18:15Z) - Database Search Results Disambiguation for Task-Oriented Dialog Systems [37.36255492341847]
本稿では,データベース検索結果の曖昧化に着目した新しい課題であるデータベース検索結果(DSR)の曖昧化を提案する。
この課題を研究するために、一般的なタスク指向のダイアログデータセット(MultiWOZとSGD)を拡張し、(a)事前に定義された文法を合成的に生成し、(b)サブセットのための人間のパラフレーズを収集する。
拡張ダイアログデータのトレーニングは、修正されていないターンのパフォーマンスを犠牲にすることなく、曖昧なシナリオに対処するモデルの能力を向上させる。
論文 参考訳(メタデータ) (2021-12-15T18:56:18Z) - Reasoning in Dialog: Improving Response Generation by Context Reading
Comprehension [49.92173751203827]
マルチターンダイアログでは、発話が文の完全な形を取るとは限らない。
読み解きの質問に答えるモデルの能力を検討し、応答生成性能の向上を提案する。
論文 参考訳(メタデータ) (2020-12-14T10:58:01Z) - Learning an Effective Context-Response Matching Model with
Self-Supervised Tasks for Retrieval-based Dialogues [88.73739515457116]
我々は,次のセッション予測,発話復元,不整合検出,一貫性判定を含む4つの自己教師型タスクを導入する。
我々はPLMに基づく応答選択モデルとこれらの補助タスクをマルチタスク方式で共同で訓練する。
実験結果から,提案した補助的自己教師型タスクは,多ターン応答選択において大きな改善をもたらすことが示された。
論文 参考訳(メタデータ) (2020-09-14T08:44:46Z) - Paraphrase Augmented Task-Oriented Dialog Generation [68.1790912977053]
本稿では,パラフレーズモデルと応答生成モデルを協調訓練するパラフレーズ拡張応答生成(PARG)フレームワークを提案する。
また、ダイアログ状態とダイアログアクトラベルに基づいて、パラフレーズトレーニングデータセットを自動構築する手法も設計する。
論文 参考訳(メタデータ) (2020-04-16T05:12:36Z)
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。