論文の概要: Collaborative and Proactive Management of Task-Oriented Conversations

• arxiv url: http://arxiv.org/abs/2510.05110v1
• Date: Fri, 26 Sep 2025 04:18:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-12 15:03:05.829056
• Title: Collaborative and Proactive Management of Task-Oriented Conversations
• Title（参考訳）: タスク指向会話の協調的・積極的な管理
• Authors: Arezoo Saedi, Afsaneh Fatemi, Mohammad Ali Nematbakhsh, Sophie Rosset, Anne Vilnat,
• Abstract要約: タスク指向対話システム (TOD) は、自然言語対話におけるユーザの好みに基づいたタスクを完了させる。 タスク完了には積極的な計画が不可欠だが、既存のTODの多くは効果的な目標認識計画を見落としている。 本稿では,対話管理への情報状態アプローチを中心に,タスク指向の会話を管理するモデルを作成する。
• 参考スコア（独自算出の注目度）: 12.363852182404285
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Task oriented dialogue systems (TOD) complete particular tasks based on user preferences across natural language interactions. Considering the impressive performance of large language models (LLMs) in natural language processing (NLP) tasks, most of the latest TODs are centered on LLMs. While proactive planning is crucial for task completion, many existing TODs overlook effective goal-aware planning. This paper creates a model for managing task-oriented conversations, conceptualized centered on the information state approach to dialogue management. The created model incorporated constructive intermediate information in planning. Initially, predefined slots and text part informational components are created to model user preferences. Investigating intermediate information, critical circumstances are identified. Informational components corresponding to these circumstances are created. Possible configurations for these informational components lead to limited information states. Then, dialogue moves, which indicate movement between these information states and the procedures that must be performed in the movements, are created. Eventually, the update strategy is constructed. The created model is implemented leveraging in-context learning of LLMs. In this model, database queries are created centered on indicated predefined slots and the order of retrieved entities is indicated centered on text part. This mechanism enables passing the whole corresponding entities to the preferences in the order of congruency. Evaluations exploiting the complete test conversations of MultiWOZ, with no more than a domain in a conversation, illustrate maximal inform and success, and improvement compared with previous methods.
• Abstract（参考訳）: タスク指向対話システム (TOD) は、自然言語対話におけるユーザの好みに基づいて、特定のタスクを完了させる。 自然言語処理(NLP)タスクにおける大規模言語モデル(LLM)の性能を考えると、最新のTODのほとんどはLLMを中心にしている。 タスク完了には積極的な計画が不可欠だが、既存のTODの多くは効果的な目標認識計画を見落としている。 本稿では,対話管理への情報状態アプローチを中心に,タスク指向の会話を管理するモデルを作成する。 作成されたモデルは、計画に建設的な中間情報を組み込んだ。 当初、事前に定義されたスロットとテキスト部分の情報コンポーネントは、ユーザの好みをモデル化するために作成されます。 中間情報を調べると、重要な状況が特定される。 これらの状況に応じた情報コンポーネントが作成される。 これらの情報コンポーネントの可能な構成は、限られた情報状態につながる。 そして、これらの情報状態と動作で実行しなければならない手順との間の動きを示す対話の動きを生成する。 最終的に更新戦略が構築される。 生成されたモデルは、LLMのコンテキスト内学習を活用して実装されている。 このモデルでは、予め定義されたスロットを中心にデータベースクエリを作成し、テキスト部分を中心に検索されたエンティティの順序を示す。 このメカニズムは、全ての対応するエンティティを一致順に優先順位に渡すことができる。 MultiWOZの完全なテスト会話を利用する評価は、会話のドメインに限らず、最大情報と成功を示し、従来の方法と比べて改善されている。

関連論文リスト

• DFlow: Diverse Dialogue Flow Simulation with Large Language Models [16.209331014315463]
  本稿では,合成対話の多様性を高めるための新しいデータシミュレーション手法を提案する。 我々は、15の異なる領域に3,886の対話フローからなるタスク指向対話データセットを生成する。
  論文  参考訳（メタデータ） (2024-10-18T20:35:28Z)
• Training Zero-Shot Generalizable End-to-End Task-Oriented Dialog System Without Turn-level Dialog Annotations [2.757798192967912]
  この作業はマルチタスク命令の微調整を用いて、より効率的でスケーラブルなタスク指向対話システムを構築する。 提案手法は,アノテートされたデータに基づいて訓練された最先端モデルと,市販のChatGPTモデルから10億のパラメータを比較検討する。
  論文  参考訳（メタデータ） (2024-07-21T04:52:38Z)
• ChatSOP: An SOP-Guided MCTS Planning Framework for Controllable LLM Dialogue Agents [52.7201882529976]
  対話エージェントの制御性を高めるため,SOP誘導モンテカルロ木探索(MCTS)計画フレームワークを提案する。 これを実現するために、GPT-4oを用いた半自動ロールプレイシステムを用いて、SOPアノテーション付きマルチシナリオ対話からなるデータセットをキュレートする。 また、SOP予測のための教師付き微調整と思考の連鎖推論を統合する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-07-04T12:23:02Z)
• 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)
• Leveraging Explicit Procedural Instructions for Data-Efficient Action Prediction [5.448684866061922]
  タスク指向の対話は、しばしばエージェントがユーザ要求を満たすために複雑で多段階の手順を実行する必要がある。 大規模言語モデルは、制約のある環境でこれらの対話を自動化することに成功したが、その広範な展開は、トレーニングに必要なタスク固有の大量のデータによって制限されている。 本稿では,エージェントガイドラインから導出した明示的な指示を利用して対話システムを構築するための,データ効率のよいソリューションを提案する。
  論文  参考訳（メタデータ） (2023-06-06T18:42:08Z)
• OPAL: Ontology-Aware Pretrained Language Model for End-to-End Task-Oriented Dialogue [40.62090743056549]
  本稿では、エンドツーエンドタスク指向対話(TOD)のためのオントロジー対応事前学習言語モデル(OPAL)を提案する。 チャット型対話モデルとは異なり、タスク指向対話モデルは少なくとも2つのタスク固有モジュールを満たす:対話状態トラッカー(DST)と応答生成器(RG)。
  論文  参考訳（メタデータ） (2022-09-10T04:38:27Z)
• Cross-Lingual Dialogue Dataset Creation via Outline-Based Generation [70.81596088969378]
  言語間アウトラインに基づく対話データセット(COD)は、自然言語の理解を可能にする。 CODは、4つの異なる言語で対話状態の追跡とエンドツーエンドの対話モデリングと評価を可能にする。
  論文  参考訳（メタデータ） (2022-01-31T18:11:21Z)
• 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)
• Action-Based Conversations Dataset: A Corpus for Building More In-Depth Task-Oriented Dialogue Systems [47.45333978381135]
  55の異なるユーザインテントを含む10K以上の人間と人間の対話を持つAction-Based Conversationsデータセットを紹介します。 アクションステートトラッキングとカスケーディングダイアログサクセスという2つの追加のダイアログタスクを提案し、一連のベースラインを確立します。 実験の結果、より洗練されたネットワークはより単純なモデルよりも優れているが、abcdの人間レベルの性能に到達するためのかなりのギャップ(絶対精度50.8%)が存在することが示されている。
  論文  参考訳（メタデータ） (2021-04-01T22:04:25Z)
• TOD-BERT: Pre-trained Natural Language Understanding for Task-Oriented Dialogue [113.45485470103762]
  本研究では,言語モデリングのためのタスク指向対話データセットを,人間とマルチターンの9つに統合する。 事前学習時の対話動作をモデル化するために,ユーザトークンとシステムトークンをマスク付き言語モデルに組み込む。
  論文  参考訳（メタデータ） (2020-04-15T04:09:05Z)

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。