Interactive Learning of Hierarchical Tasks from Dialog with GPT

要約

GPT モデルを会話フロントエンドとして使用し、対話から解釈可能で象徴的で対話型のタスク学習を行うシステムを紹介します。
学習されたタスクは、スコープ付きの変数引数を持つ述語と引数の構造の階層的分解として表されます。
GPT モデルを使用して対話型ダイアログを意味論的表現に変換し、未知のステップの定義を再帰的に求めることで、階層的なタスクの知識を自然で制約のない会話環境で取得および再利用できることを示します。
私たちのシステムを、より従来のパーサーを使用した同様のアーキテクチャと比較し、私たちのシステムがはるかに幅広い言語の差異を許容できることを示します。

要約(オリジナル)

We present a system for interpretable, symbolic, interactive task learning from dialog using a GPT model as a conversational front-end. The learned tasks are represented as hierarchical decompositions of predicate-argument structures with scoped variable arguments. By using a GPT model to convert interactive dialog into a semantic representation, and then recursively asking for definitions of unknown steps, we show that hierarchical task knowledge can be acquired and re-used in a natural and unrestrained conversational environment. We compare our system to a similar architecture using a more conventional parser and show that our system tolerates a much wider variety of linguistic variance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google