論文の概要: CoDial: Interpretable Task-Oriented Dialogue Systems Through Dialogue Flow Alignment

• arxiv url: http://arxiv.org/abs/2506.02264v1
• Date: Mon, 02 Jun 2025 21:12:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:35.08588
• Title: CoDial: Interpretable Task-Oriented Dialogue Systems Through Dialogue Flow Alignment
• Title（参考訳）: CoDial:対話フローアライメントによるタスク指向対話システム
• Authors: Radin Shayanfar, Chu Fei Luo, Rohan Bhambhoria, Samuel Dahan, Xiaodan Zhu,
• Abstract要約: 専門家の知識を実行可能な会話ロジックに変換する新しいフレームワークであるCoDialを導入する。 CoDialはColangのような既存のガードレール言語で簡単に実装できる。 推論ベースモデルのSTARデータセット上での最先端のパフォーマンスを実現し、よく知られたMultiWOZデータセット上の同様のベースラインと競合する。
• 参考スコア（独自算出の注目度）: 24.936670177298584
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: It is often challenging to teach specialized, unseen tasks to dialogue systems due to the high cost of expert knowledge, training data, and high technical difficulty. To support domain-specific applications - such as law, medicine, or finance - it is essential to build frameworks that enable non-technical experts to define, test, and refine system behaviour with minimal effort. Achieving this requires cross-disciplinary collaboration between developers and domain specialists. In this work, we introduce a novel framework, CoDial (Code for Dialogue), that converts expert knowledge, represented as a novel structured heterogeneous graph, into executable conversation logic. CoDial can be easily implemented in existing guardrailing languages, such as Colang, to enable interpretable, modifiable, and true zero-shot specification of task-oriented dialogue systems. Empirically, CoDial achieves state-of-the-art performance on the STAR dataset for inference-based models and is competitive with similar baselines on the well-known MultiWOZ dataset. We also demonstrate CoDial's iterative improvement via manual and LLM-aided feedback, making it a practical tool for expert-guided alignment of LLMs in high-stakes domains.
• Abstract（参考訳）: 専門家の知識、訓練データ、高い技術的困難のために、対話システムに専門的で目に見えないタスクを教えることは、しばしば困難である。 法律、医学、金融といったドメイン固有のアプリケーションをサポートするためには、最小限の努力で、非技術専門家がシステムの振る舞いを定義し、テストし、洗練するためのフレームワークを構築することが不可欠です。 これを達成するには、開発者とドメインスペシャリストの学際的なコラボレーションが必要です。 本研究では,知識を構造化した新しいヘテロジニアスグラフとして表現する新しいフレームワークであるCoDial(コード・フォー・ダイアログ)を,実行可能な対話論理に変換する。 CoDialは、Colangのような既存のガードレール言語で容易に実装でき、タスク指向の対話システムの解釈可能、修正可能、真のゼロショット仕様を可能にする。 実証的には、CoDialは推論モデルのためのSTARデータセットの最先端のパフォーマンスを実現し、よく知られたMultiWOZデータセットの同様のベースラインと競合する。 また,手動およびLLM支援フィードバックによる反復的改善を実演し,高い評価領域におけるLLMのエキスパート誘導アライメントを実現するための実用的なツールであることを示す。

関連論文リスト

• Conversation Routines: A Prompt Engineering Framework for Task-Oriented Dialog Systems [0.21756081703275998]
  本研究では,Large Language Models (LLMs) を用いたタスク指向対話システムの開発のための,構造化されたプロンプトエンジニアリングフレームワークである Conversation Routines (CR) を紹介する。 提案したCRフレームワークは,自然言語仕様による会話エージェントシステム(CAS)の開発を可能にする。 このフレームワークの有効性を,Train Booking SystemとInteractive Ticket Copilotという2つの概念実証実装を通じて実証する。
  論文  参考訳（メタデータ） (2025-01-20T17:19:02Z)
• Towards More Unified In-context Visual Understanding [74.55332581979292]
  マルチモーダル出力を有効にした視覚理解のための新しいICLフレームワークを提案する。 まず、テキストと視覚的プロンプトの両方を量子化し、統一された表現空間に埋め込む。 次にデコーダのみのスパーストランスアーキテクチャを用いて生成モデリングを行う。
  論文  参考訳（メタデータ） (2023-12-05T06:02:21Z)
• Using Textual Interface to Align External Knowledge for End-to-End Task-Oriented Dialogue Systems [53.38517204698343]
  本稿では,外部知識の整合化と冗長なプロセスの排除にテキストインタフェースを用いた新しいパラダイムを提案する。 我々は、MultiWOZ-Remakeを用いて、MultiWOZデータベース用に構築されたインタラクティブテキストインタフェースを含む、我々のパラダイムを実演する。
  論文  参考訳（メタデータ） (2023-05-23T05:48:21Z)
• KETOD: Knowledge-Enriched Task-Oriented Dialogue [77.59814785157877]
  対話システム研究における既存の研究は、主にタスク指向の対話とチャットを独立したドメインとして扱う。 本研究では,タスク指向対話と知識ベースチップチャットを一つのモデルに効果的に統合する方法について検討する。
  論文  参考訳（メタデータ） (2022-05-11T16:01:03Z)
• Dialogue Meaning Representation for Task-Oriented Dialogue Systems [51.91615150842267]
  タスク指向対話のための柔軟かつ容易に拡張可能な表現である対話意味表現(DMR)を提案する。 我々の表現は、合成意味論とタスク固有の概念のためのリッチな意味論を表現するために、継承階層を持つノードとエッジのセットを含んでいる。 異なる機械学習ベースの対話モデルを評価するための2つの評価タスクを提案し、さらにグラフベースのコア参照解決タスクのための新しいコア参照解決モデルGNNCorefを提案する。
  論文  参考訳（メタデータ） (2022-04-23T04:17:55Z)
• Continual Learning in Task-Oriented Dialogue Systems [49.35627673523519]
  タスク指向対話システムにおける継続的な学習は、システム全体のリトレーニングのコストを伴わずに、時間を通じて新しいドメインや機能を追加できる。 37ドメインのタスク指向対話システムを4つの設定で継続的に学習するための継続的学習ベンチマークを提案する。
  論文  参考訳（メタデータ） (2020-12-31T08:44:25Z)
• Modelling Hierarchical Structure between Dialogue Policy and Natural Language Generator with Option Framework for Task-oriented Dialogue System [49.39150449455407]
  HDNOは、特定の対話行為表現の設計を避けるために潜在対話行為を設計するためのオプションフレームワークである。 RL,LaRL,HDSAで学習した単語レベルE2Eモデルと比較して,マルチドメイン対話のデータセットであるMultiWoz 2.0とMultiWoz 2.1でHDNOをテストする。
  論文  参考訳（メタデータ） (2020-06-11T20:55:28Z)

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。