nlu

该论文评估了零样本LLM何时能在生产环境中取代微调NLU分类器进行意图检测，突出了LLM在超出范围检测、ASR鲁棒性和动态模式方面的优势，并为实践者提供了决策框架。

本文介绍了DraDDP，这是首个公开的英文多模态多方对话话语解析数据集，基于美国电视剧构建，包含495个片段、6,374个话语和9.1小时的视频。基准测试表明，多模态信息有助于改善对话结构和关系类型的解析。

Chronicle 是一个 324M 参数的纯解码器 Transformer，从零开始在自然语言和时间序列上预训练，在 NLU 和时间序列分类任务上取得了有竞争力的性能，并在 UCR/UEA 数据集上的冻结嵌入时间序列分类中创造了新的最先进水平。

ReacTOD提出了一种用于零样本对话状态跟踪的有界神经符号架构，采用带有确定性验证的自校正ReAct循环。它在MultiWOZ和Schema-Guided Dialogue基准上取得了最先进的结果，将联合目标准确率提升了多达14个百分点。

研究者提出一种自动为常识知识语料添加否定信息的方法，生成逾200万条三元组，用于预训练可显著提升大模型对否定的理解。