摘要
口语理解(SLU)是任务型对话系统的核心组件。传统SLU在闭集任务中表现良好,但在开放域任务中因规则模糊难以利用上下文学习。本文提出口语功能调用(SFC),通过结构化规则定义优化语义理解,突破传统闭集SLU局限。我们构建了基于传统SLU数据集的口语函数套件,利用多智能体系统合成SFC-Bench数据集,评估并增强大型音频语言模型(LALMs)的SFC能力。实验表明,SFC显著提升了LLMs和LALMs的语义提取准确率,优于传统SLU。
AI 推荐理由
论文核心研究音频大模型的功能调用(Function Calling),即工具使用能力,属于技能学习范畴。
研究机构
Shanghai Jiao Tong University
Token Foundry, Alibaba Group
Hangzhou, China
Shanghai, China
Beijing, China
Shanghai Innovation Institute
论文信息