对对象描述的推理提高了基于任务的对话系统中的共指解析

基于任务的对话系统通过自然语言交互帮助用户实现特定目标，例如执行操作或检索信息。准确的共指解析至关重要，因为它涉及识别对话中的对象引用 - 在以复杂场景和多样化对象元数据为特征的视觉基础环境中，这项任务变得越来越具有挑战性。然而，基于任务的对话中的共指解析仍然受到跨领域泛化能力差和严重依赖监督模型的限制，而监督模型通常过度拟合特定于数据集的工件。在这项工作中，我们提出了一种单模态测试时推理方法，使 大语言模型 (LLM) 能够对详细的对象元数据和对话历史进行推理，以提高共指分辨率。 SIMMC 2.1 数据集上的实证结果表明，LLM 可以生成分步推理过程，有效地将对话上下文与场景中存在的对象对齐。大量的实验强调了模型准确链接对话和对象的能力。此外，我们表明，少样本设置下的测试时推理可以有效地推广到未见过的场景和新颖的对象，在跨域评估中优于基于编码器的监督方法。这些发现强调了结构化元数据和仔细的提示工程在增强面向任务的对话系统的稳健性和泛化性方面的关键作用。