ReALM: Решение ссылок как моделирование языка

ReALM: Reference Resolution As Language Modeling

March 29, 2024

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

cs.AI

Аннотация

Разрешение ссылок - важная проблема, существенная для понимания и успешной обработки контекста различного рода. Этот контекст включает как предыдущие ходы, так и контекст, относящийся к неконверсационным сущностям, таким как сущности на экране пользователя или работающие в фоновом режиме. Хотя LLM-модели показали себя чрезвычайно мощными для различных задач, их использование в разрешении ссылок, особенно для неконверсационных сущностей, остается недоиспользованным. В данной статье демонстрируется, как LLM-модели могут быть использованы для создания чрезвычайно эффективной системы для разрешения ссылок различных типов, показывая, как разрешение ссылок может быть преобразовано в задачу языкового моделирования, несмотря на то, что включает формы сущностей, такие как те, что на экране, которые традиционно не поддаются сведению к текстовому виду. Мы демонстрируем значительные улучшения по сравнению с существующей системой с аналогичной функциональностью по различным типам ссылок, причем наша самая маленькая модель достигает абсолютного прироста более 5% для ссылок на экране. Мы также проводим сравнительный анализ с GPT-3.5 и GPT-4, при этом наша самая маленькая модель достигает производительности, сравнимой с GPT-4, а наши более крупные модели значительно превосходят ее.

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.