Les systèmes de dialogue dans des domaines ouverts ont connu un grand succès grâce à l'obtention facile de corpus mono-tour et au développement de l'apprentissage profond. Cependant, le scénario multi-tours reste un défi en raison des co-références fréquentes et des omissions d'information. Dans cet article, nous examinons la restauration des énoncés incomplets, qui a apporté une amélioration générale aux systèmes de dialogue multi-tours dans les études récentes. Par ailleurs, inspirés conjointement par l'autorégression pour la génération de texte et l'étiquetage séquentiel pour l'édition de texte, nous proposons un nouveau générateur semi-autorégressif (SARG) offrant une haute efficacité et flexibilité. De plus, les expériences menées sur deux benchmarks montrent que notre modèle proposé surpasse significativement les modèles de pointe actuels en termes de qualité et de vitesse d'inférence.