基于用户反馈的交互式情景记忆

针对自然语言查询的情景记忆（EM-NLQ）中因查询模糊导致检索错误的问题，本文提出“带问答与反馈的情景记忆”（EM-QnF）新任务。该任务允许用户通过提供反馈或补充信息，与模型进行交互式迭代以修正预测。作者构建了相关数据集，提出一种避免昂贵序列优化的轻量级训练方案，并设计了即插即用的反馈对齐模块（FALM），使现有模型能有效整合用户反馈。实验表明，该方法在多个基准上显著优于最先进技术，且能泛化至真实场景。