HyperAIHyperAI

Command Palette

Search for a command to run...

تعلم الترميز من تسلسل إلى تسلسل للحوار الموجه نحو المهمة مع تمثيل حالة الحوار

Haoyang Wen Yijia Liu Wanxiang Che* Libo Qin Ting Liu

الملخص

تتطلب النماذج التقليدية للأنابيب في أنظمة الحوار الموجهة نحو المهام نمذجة صريحة لحالة الحوار وتصميم يدوي لمجالات الإجراءات لاستعلام قاعدة معرفية خاصة بالمنطقة. بخلاف ذلك، تتعلم نماذج التسلسل إلى التسلسل رسم خريطة لتاريخ الحوار إلى الرد في الدور الحالي دون الاستعلام الصريح عن قاعدة المعرفة. في هذا العمل، نقترح إطارًا جديدًا يستفيد من مزايا النماذج التقليدية للأنابيب والنماذج التسلسلية إلى التسلسلية. يُعد إطارنا حالة الحوار كتمثيل موزع بحجم ثابت ويستخدم هذا التمثيل للاستعلام عن قاعدة المعرفة عبر آلية الانتباه (Attention Mechanism). أظهرت التجارب على مجموعة بيانات حوار ستانفورد متعدد الأدوار والمناطق الموجهة نحو المهام أن إطارنا يتفوق بشكل كبير على النماذج الأساسية الأخرى القائمة على التسلسل إلى التسلسل في كل من التقييم الآلي والتقييم البشري.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp