Inference is All You Need: Self Example Retriever for Cross-domain Dialogue State Tracking with ChatGPT

要約

従来の対話状態追跡アプローチは、広範なトレーニング データと手作りの機能に大きく依存しており、新しいドメインへの拡張性と適応性が制限されています。
この論文では、パラメータの更新を行わずに対話状態追跡におけるドメイン転送に ChatGPT を使用した推論とコンテキスト内学習を活用する新しい方法を提案します。
ChatGPT の思考チェーンをガイドすることで、関連する例を取得し、知識を一般化し、推論のみで対話状態を正確に推測できるようになります。
MultiWOZ データセットの実験結果は、競争力のあるパフォーマンスと、ドメイン全体での一般化が期待できることを示しています。
私たちのパラメータフリーのアプローチは、スケーラブルで適応性のあるソリューションを提供し、領域転移学習における新しい研究の方向性を開きます。

要約(オリジナル)

Traditional dialogue state tracking approaches heavily rely on extensive training data and handcrafted features, limiting their scalability and adaptability to new domains. In this paper, we propose a novel method that leverages inference and in-context learning with ChatGPT for domain transfer in dialogue state tracking, without any parameter updates. By guiding ChatGPT’s chain of thought, we enable it to retrieve relevant examples and generalize knowledge to accurately infer dialogue states, solely through inference. Experimental results on the MultiWOZ dataset demonstrate competitive performance and promising generalization across domains. Our parameter-free approach offers a scalable and adaptable solution, opening new research directions in domain transfer learning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google