На физтехе придумали метод, способный улучшить работу чат-ботов

Разработка учёных лаборатории нейронных систем и глубокого обучения МФТИ открывает новые горизонты для виртуальных ассистентов и чат-ботов для поддержки клиентов, успешно преодолевая ограничения, характерные для больших языковых моделей. Новая методика может существенно повысить качество диалоговых систем в узкоспециализированных областях, таких как туризм или медицина. Работа опубликована в сборнике конференции LREC-COLING 2024.

В последние годы диалоговые системы стали неотъемлемой частью повседневной жизни, претерпев значительные изменения. Эти программы, способные вести беседы с людьми и имитировать человеческие ответы, широко используются в различных сферах — от работы виртуальных ассистентов до поддержки клиентов.

Одной из ключевых задач в области диалоговых систем является предсказание интентов участников диалога, то есть определение скрытого намерения или цели, лежащих в основе конкретного высказывания в диалоге. Например, интенты могут представлять собой заказ такси («Мне нужно такси до аэропорта на 18:00») или бронирование столика в ресторане («Хотел бы забронировать столик на двоих на завтра вечером»). Точное предсказание интента следующего высказывания в диалоге критически важно, поскольку это позволяет диалоговым системам на основе предсказанного интента генерировать контекстно подходящие и эффективные ответы в ходе общения.

На сегодня для решения подобных задач на основе диалоговых данных часто применяются большие языковые модели (LLMs). Однако их эффективность в узкоспециализированных областях ограничена из-за сложностей адаптации к специфическому домену.

Исследователи из Московского физико-технического института (МФТИ) предложили инновационный подход к разработке диалоговых систем, который основан на