ReALM : Résolution de référence par modélisation du langage

ReALM: Reference Resolution As Language Modeling

March 29, 2024

Auteurs: Joel Ruben Antony Moniz, Soundarya Krishnan, Melis Ozyildirim, Prathamesh Saraf, Halim Cagri Ates, Yuan Zhang, Hong Yu, Nidhi Rajshree

cs.AI

Résumé

La résolution de référence est un problème important, essentiel pour comprendre et gérer avec succès des contextes de différentes natures. Ce contexte inclut à la fois les tours de parole précédents et des éléments contextuels non conversationnels, tels que les entités présentes à l'écran de l'utilisateur ou celles fonctionnant en arrière-plan. Bien que les modèles de langage de grande taille (LLMs) aient démontré leur puissance pour une variété de tâches, leur utilisation dans la résolution de références, en particulier pour les entités non conversationnelles, reste sous-exploitée. Cet article montre comment les LLMs peuvent être utilisés pour créer un système extrêmement efficace pour résoudre des références de divers types, en expliquant comment la résolution de référence peut être transformée en un problème de modélisation du langage, malgré l'implication d'entités comme celles à l'écran qui ne se prêtent traditionnellement pas à une réduction à une modalité textuelle uniquement. Nous démontrons des améliorations significatives par rapport à un système existant ayant une fonctionnalité similaire, pour différents types de références, avec notre plus petit modèle obtenant des gains absolus de plus de 5 % pour les références à l'écran. Nous comparons également nos résultats à ceux de GPT-3.5 et GPT-4, notre plus petit modèle atteignant des performances comparables à celles de GPT-4, tandis que nos modèles plus grands surpassent nettement ce dernier.

English

Reference resolution is an important problem, one that is essential to understand and successfully handle context of different kinds. This context includes both previous turns and context that pertains to non-conversational entities, such as entities on the user's screen or those running in the background. While LLMs have been shown to be extremely powerful for a variety of tasks, their use in reference resolution, particularly for non-conversational entities, remains underutilized. This paper demonstrates how LLMs can be used to create an extremely effective system to resolve references of various types, by showing how reference resolution can be converted into a language modeling problem, despite involving forms of entities like those on screen that are not traditionally conducive to being reduced to a text-only modality. We demonstrate large improvements over an existing system with similar functionality across different types of references, with our smallest model obtaining absolute gains of over 5% for on-screen references. We also benchmark against GPT-3.5 and GPT-4, with our smallest model achieving performance comparable to that of GPT-4, and our larger models substantially outperforming it.