ReALM: Risoluzione dei Riferimenti come Modellazione Linguistica

ReALM: Reference Resolution As Language Modeling

March 29, 2024

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

cs.AI

Abstract

La risoluzione dei riferimenti è un problema importante, essenziale per comprendere e gestire con successo contesti di diverso tipo. Questo contesto include sia i turni precedenti che il contesto relativo a entità non conversazionali, come le entità presenti sullo schermo dell'utente o quelle in esecuzione in background. Sebbene i modelli linguistici di grandi dimensioni (LLM) si siano dimostrati estremamente potenti per una varietà di compiti, il loro utilizzo nella risoluzione dei riferimenti, in particolare per entità non conversazionali, rimane sottoutilizzato. Questo articolo dimostra come gli LLM possano essere utilizzati per creare un sistema estremamente efficace per risolvere riferimenti di vario tipo, mostrando come la risoluzione dei riferimenti possa essere convertita in un problema di modellazione del linguaggio, nonostante coinvolga forme di entità come quelle sullo schermo che tradizionalmente non si prestano a essere ridotte a una modalità esclusivamente testuale. Dimostriamo miglioramenti significativi rispetto a un sistema esistente con funzionalità simili per diversi tipi di riferimenti, con il nostro modello più piccolo che ottiene guadagni assoluti di oltre il 5% per i riferimenti sullo schermo. Confrontiamo anche le prestazioni con GPT-3.5 e GPT-4, con il nostro modello più piccolo che raggiunge prestazioni paragonabili a quelle di GPT-4, e i nostri modelli più grandi che superano sostanzialmente GPT-4.

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.