Bridging the Long-Term Gap: A Memory-Active Policy for Multi-Session Task-Oriented Dialogue

要約

既存のタスク指向ダイアログ（TOD）システムは、主に単一セッションの対話に焦点を当てており、長期的なメモリ増強における有効性を制限します。
この課題に対処するために、セッション全体で長期的なメモリを保持するように設計された最初のマルチセッションTODデータセットであるMS-Todデータセットを導入し、より少ないターンとより効率的なタスク完了を可能にします。
これは、マルチセッションTODの長期メモリを評価するための新しいベンチマークタスクを定義します。
この新しいデータセットに基づいて、2段階のアプローチを通じてマルチセッションの対話効率を向上させるメモリ活動ポリシー（MAP）を提案します。
1）メモリガイド付きダイアログ計画意図に合わせた履歴を取得し、メモリジャッジを介して主要なQAユニットを識別し、冗長な質問を削除してそれらを改良し、再構築されたメモリに基づいて応答を生成します。
2）プロアクティブな応答戦略は、エラーまたは不作為を検出および修正し、効率的かつ正確なタスクの完了を確保します。
MS-Todデータセットのマップを評価し、プロアクティブ戦略の応答の品質と有効性に焦点を当てています。
MS-TODの実験は、マップがタスクの成功を大幅に改善し、マルチセッションシナリオの効率を大幅に改善し、従来のシングルセッションタスクで競争力のあるパフォーマンスを維持することを示しています。

要約(オリジナル)

Existing Task-Oriented Dialogue (TOD) systems primarily focus on single-session dialogues, limiting their effectiveness in long-term memory augmentation. To address this challenge, we introduce a MS-TOD dataset, the first multi-session TOD dataset designed to retain long-term memory across sessions, enabling fewer turns and more efficient task completion. This defines a new benchmark task for evaluating long-term memory in multi-session TOD. Based on this new dataset, we propose a Memory-Active Policy (MAP) that improves multi-session dialogue efficiency through a two-stage approach. 1) Memory-Guided Dialogue Planning retrieves intent-aligned history, identifies key QA units via a memory judger, refines them by removing redundant questions, and generates responses based on the reconstructed memory. 2) Proactive Response Strategy detects and correct errors or omissions, ensuring efficient and accurate task completion. We evaluate MAP on MS-TOD dataset, focusing on response quality and effectiveness of the proactive strategy. Experiments on MS-TOD demonstrate that MAP significantly improves task success and turn efficiency in multi-session scenarios, while maintaining competitive performance on conventional single-session tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google