研究人员开发了STREAM，一个新颖的数据中心框架，旨在从流媒体生成高价值的面向任务对话。该方法解决了传统数据采集方法的局限性，例如高昂的标注成本、隐私问题和过时的语料库。STREAM通过整合角色构建、对话蓝图和检索增强生成（RAG）来合成对话，以创建逼真的服务对话。该框架已被用于发布StreamDial，一个包含汽车、餐厅和酒店领域87,498个对话会话的大型数据集，该数据集已被证明可以提高对话质量和下游任务性能。 AI
影响 该框架和数据集可以通过提供一种可扩展的方法来获取特定领域的对话数据，从而加速专门的LLM的开发。
排序理由 该集群描述了一篇研究论文，其中详细介绍了一个用于对话生成的新框架和数据集。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2605.25162v1 Announce Type: cross Abstract: Large language models for vertical domains are bottlenecked by the scarcity of complex, domain-specific task-oriented dialogues. Existing data acquisition pipelines face a persistent trilemma: expert annotation is expensive, real-…
A data-centric framework called Stream generates large-scale, multi-domain service dialogues by synthesizing interactions from streaming media, incorporating persona construction and conversational blueprints with retrieval-augmented generation for knowledge-aware responses.