推理即全部所需：面向使用 ChatGPT 的跨领域对话状态跟踪的自示例检索器
Inference is All You Need: Self Example Retriever for Cross-domain Dialogue State Tracking with ChatGPT
AI总结：
针对跨领域对话状态跟踪依赖训练数据的问题，提出基于 ChatGPT 思维链与自示例检索的无参数推理方法，在 MultiWOZ 上取得具竞争力的跨域泛化效果。
摘要：
传统对话状态跟踪方法严重依赖大量训练数据和手工特征，限制了其可扩展性和对新领域的适应性。本文提出一种新颖方法，利用 ChatGPT 的推理和上下文学习进行对话状态跟踪中的领域迁移，且无需任何参数更新。通过引导 ChatGPT 的思维链，我们使其能够检索相关示例并泛化知识，从而仅通过推理即可准确推断对话状态。在 MultiWOZ 数据集上的实验结果表明，该方法具有具有竞争力的性能以及良好的跨领域泛化能力。我们这种无参数方法提供了一种可扩展、适应性强的解决方案，并为领域迁移学习开辟了新的研究方向。
英文摘要：
Traditional dialogue state tracking approaches heavily rely on extensive training data and handcrafted features, limiting their scalability and adaptability to new domains. In this paper, we propose a novel method that leverages inference and in-context learning with ChatGPT for domain transfer in dialogue state tracking, without any parameter updates. By guiding ChatGPT's chain of thought, we enable it to retrieve relevant examples and generalize knowledge to accurately infer dialogue states, solely through inference. Experimental results on the MultiWOZ dataset demonstrate competitive performance and promising generalization across domains. Our parameter-free approach offers a scalable and adaptable solution, opening new research directions in domain transfer learning.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
