研究人员开发了 GEM，一个用于对话状态跟踪的新颖框架，该框架结合了图增强混合专家模型和 ReAct 代理。这种方法动态地路由到专门的专家之间，包括用于对话结构的图神经网络和 T5-Small 编码器-解码器，并由路由器协调。对于复杂任务，ReAct 代理执行结构化推理，在 MultiWOZ 2.2 上实现了 65.19% 的联合目标准确率，显著优于现有的 LLM 方法和最先进的方法。 AI
影响 这种方法可以提高对话系统在复杂、多领域对话中的准确性和效率。
排序理由 该集群包含一篇 arXiv 预印本，详细介绍了一种新的对话状态跟踪方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.04449v1 Announce Type: new Abstract: Dialogue State Tracking (DST) requires precise extraction of structured information from multi-domain conversations, a task where Large Language Models (LLMs) struggle despite their impressive general capabilities. We present GEM (G…
Dialogue State Tracking (DST) requires precise extraction of structured information from multi-domain conversations, a task where Large Language Models (LLMs) struggle despite their impressive general capabilities. We present GEM (Graph-Enhanced Mixture-of-Experts), a novel frame…