ReALM: Resolução de Referência como Modelagem de Linguagem

ReALM: Reference Resolution As Language Modeling

March 29, 2024

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

cs.AI

Resumo

A resolução de referências é um problema importante, essencial para compreender e lidar com sucesso com contextos de diferentes tipos. Esse contexto inclui tanto turnos anteriores quanto contextos relacionados a entidades não conversacionais, como entidades na tela do usuário ou aquelas em execução em segundo plano. Embora os LLMs tenham se mostrado extremamente poderosos para uma variedade de tarefas, seu uso na resolução de referências, particularmente para entidades não conversacionais, permanece subutilizado. Este artigo demonstra como os LLMs podem ser usados para criar um sistema extremamente eficaz para resolver referências de vários tipos, mostrando como a resolução de referências pode ser convertida em um problema de modelagem de linguagem, apesar de envolver formas de entidades, como as na tela, que tradicionalmente não são propícias a serem reduzidas a uma modalidade apenas de texto. Demonstramos grandes melhorias em relação a um sistema existente com funcionalidade semelhante em diferentes tipos de referências, com nosso menor modelo obtendo ganhos absolutos de mais de 5% para referências na tela. Também comparamos com GPT-3.5 e GPT-4, com nosso menor modelo alcançando desempenho comparável ao do GPT-4, e nossos modelos maiores superando-o substancialmente.

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.