PulseAugur
中
实时 11:50:47
English(EN) Beyond Supervised Clarification: Input Rewriting with LLMs for Dialogue Discourse Parsing

LLM通过输入重写难以改进对话解析

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员探索了使用大型语言模型（LLM）进行输入重写技术，以改进对话语篇解析，特别是在无法进行监督澄清的情况下。他们的研究结果表明，与解析器无关的重写通常会引入比纠正更多的错误，即使是具有GRPO的解析器感知方法在持续提高解析准确性方面也显示出局限性。该研究强调了在干预之前需要具备可重写性预测能力来确定一个话语是否可以修复，这对于优化冻结的语篇解析器和增强代理管道至关重要。 AI

影响 强调了当前LLM在复杂NLP任务中的能力局限性，为代理系统提出了新的研究方向。

排序理由 学术论文，详细介绍了对话语篇解析的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

LLM通过输入重写难以改进对话解析

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Yiming Liu, Ziyue Zhang, Zhichao Xu, Xin Yu, Yingheng Tang, Tianyu Jiang, Jie Cao ·

    Beyond Supervised Clarification: Input Rewriting with LLMs for Dialogue Discourse Parsing

    arXiv:2607.01964v1 Announce Type: new Abstract: Rewriting inputs to improve frozen downstream models has become a common strategy in modern NLP pipelines. Prior work on incremental dialogue discourse parsing (DDP) shows that supervised clarification models can rewrite fragmentary…

  2. arXiv cs.CL TIER_1 English(EN) · Jie Cao ·

    Beyond Supervised Clarification: Input Rewriting with LLMs for Dialogue Discourse Parsing

    Rewriting inputs to improve frozen downstream models has become a common strategy in modern NLP pipelines. Prior work on incremental dialogue discourse parsing (DDP) shows that supervised clarification models can rewrite fragmentary or underspecified utterances, such as resolving…

相关实体

相关话题