地面对话的符号规划和代码生成

贾斯汀·邱,赵文婷,德里克·陈,索哈斯·瓦杜古鲁,亚历山大·拉什,弗里德

摘要
大型语言模型（LLM）擅长处理和生成文本和代码。然而，LLM在扎根的任务导向对话中的适用性有限，因为它们很难朝着任务目标前进，并且无法处理新的扎根。我们提出了一个模块化和可解释的基础对话系统，该系统通过使用符号规划器和基础代码执行来组成LLM来解决这些缺点。我们的系统由阅读器和计划器组成：阅读器利用LLM将合作伙伴的语句转换为可执行代码，调用执行基础的函数。翻译后的代码输出被存储以跟踪对话状态，而符号规划器确定下一个适当的响应。我们评估了系统在要求很高的OneCommon对话任务中的性能，包括对分散点的抽象图像进行协作参考分辨率。我们的系统大大超过了以前的先进技术，包括在最具挑战性的环境中，人工评估的任务成功率从56%提高到69%。
选集ID：
2023.emnlp-main.460年
体积：
2023年自然语言处理实证方法会议记录
月份：
十二月
年份：
2023
地址：
新加坡
编辑：
Houda Bouamor公司,胡安·皮诺,卡利卡-巴厘岛
地点：
EMNLP公司
SIG公司：
出版商：
计算语言学协会
注：
页：
7426–7436
语言：
网址：
https://aclantology.org/2023.emnlp-main.460
内政部：
10.18653/v1/2023.emnlp-main.460
比比键：
引用（ACL）：
赵文婷（Justin Chiu）、赵文廷（Wenting Zhao）、陈德雷（Derek Chen）、瓦杜古鲁（Saujas Vaduguru）、亚历山大·拉什（Alexander Rush）和丹尼尔·弗里德（Daniel Fried）。2023地面对话的符号规划和代码生成.英寸2023年自然语言处理实证方法会议记录，第7426–7436页，新加坡。计算语言学协会。
引用（非正式）：
地面对话的符号规划和代码生成（Chiu等人，EMNLP 2023）
复制引文：
PDF格式：
https://aclantology.org/2023.emnlp-main.460.pdf
视频：
 https://aclantology.org/2023.emnlp-main.460.mp4网址
PDF格式 引用 搜索 视频