具有意图预测的主动对话模型

对话模型本质上是反应性的，响应当前用户的转向而不预测即将到来的意图，这导致多意图设置中的冗余交互。我们通过引入从对话数据导出并在推理时注入系统提示的轻量级意图转换先验来解决此限制。我们使用在 MultiWOZ 2.2 中经过每回合意图注释训练的时态贝叶斯网络 (T-BN) 来实例化这一点。 T-BN 在 1,071 个保留的 USER 回合对上实现了 Recall@5 = 0.787 和 MRR = 0.576。在 真值 重播超过 200 个对话中，BN 引导生成将覆盖 AUC 从 0.742 提高到 0.856，并将达到 75% 意图覆盖所需的回合数从 3.95 减少到 2.73。这些结果表明，轻量级意图转换指导可以在不修改底层语言模型的情况下实现更主动、更高效的对话行为。