大语言模型下,NLP领域还有哪些蓝海的小众研究方向?今天分享EMNLP 2022的一篇论文《CEM: Machine-Human Chatting Handoff via Causal-Enhance Module》 [paper] [code]。
简介
即使在大预言模型盛行的当下,chatbot回复的准确度也无法达到百分百,甚至离百分百差距还有点远,大火的ChatGPT胡言乱语的情况也屡见不鲜。为了应对chatbot回复不准确的问题,《CEM: Machine-Human Chatting Handoff via Causal-Enhance Module》 专注于解决对话系统中的Machine-Human Chatting Handoff (MHCH) 问题。如下图所示,MHCH的目的是识别出业务对话场景中,chatbot无法准确处理的一些问题,这些无法处理的问题会被切换到人工服务端。到ChatGPT场景下,MHCH任务也可以辅助用户识别ChatGPT胡言乱语的情况,避免用户被ChatGPT忽悠。
图中“Global satisfaction”是用户对当前chatbot服务的评分,又称全局满意度;“Local sentiment”代表用户每句话的情绪状态,又称局部情绪值。“Handoff label”指