12、基于少样本学习的文本生成与自动语音识别系统对比研究

基于少样本学习的文本生成与自动语音识别系统对比研究

在自然语言处理领域，语义控制的文本生成（M2T）和自动语音识别（ASR）是两个重要的研究方向。本文将围绕这两个方面展开，介绍基于少样本学习的M2T自然语言生成器的研究成果，以及不同自动语音识别系统的性能对比。

少样本学习的M2T自然语言生成器

为了提高开放域对话系统Athena中M2T响应生成器的质量和覆盖范围，研究人员使用基于提示的学习方法创建了新的神经模型。具体来说，他们基于GPT - Neo和Jurassic - 1分别创建了Athena - GPT - Neo和Athena - Jurassic，并在Athena的知识图谱领域（如电影、音乐、电视和体育）以及Viggo语料库的视频游戏对话行为MRs上进行了少样本（2、3、10）提示学习实验，同时还尝试了多种提示格式，并进行了域内和跨域测试。

以下是Viggo对比GPT - Neo和Jurassic的人类指标示例：
| ID | Input MR | Output - Athena - GPT - Neo | Output - Athena - Jurassic |
| — | — | — | — |
| V1 | confirm = yes, name = Tony Hawk’s Pro Skater 3, release_year = 2001, genres = sport | You mean the Tony Hawk’s Pro Skater 3 that has got a sport genre? | Gotcha! So you’re referring to the Tony Hawk’s Pro Skater 3 spor