意図予測によるプロアクティブ対話モデル
arXiv cs.CL / 2026/5/1
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- この論文は、従来の対話モデルが本質的にリアクティブであり、多重インテント環境では冗長なやり取りにつながり得ると指摘しています。
- 会話データから作る軽量な「意図遷移」の事前知識を提案し、推論時にシステムプロンプトへ注入することで、よりプロアクティブな応答を実現します。
- Temporal Bayesian Network（T-BN）を用い、MultiWOZ 2.2 の各ターンの意図アノテーションで学習して、起こりやすい意図の遷移を予測します。
- 実験では想起系の指標で Recall@5 = 0.787、MRR = 0.576 を報告し、リプレイ実験では対話効率も向上（Coverage AUCが0.742から0.856へ上昇、75%意図カバレッジ到達までのターン数が3.95から2.73へ削減）しています。
- 基盤の言語モデルを変更せずに改善できるため、既存システムに組み込み可能なガイダンス戦略として示唆を与えます。
