今日arXiv最热NLP大模型论文：微软：用大模型分析用户满意度，让智能系统更善解人意

AIGC动态欢迎阅读

原标题：今日arXiv最热NLP大模型论文：微软：用大模型分析用户满意度，让智能系统更善解人意
关键字：模型,用户,模式,方法,数据
文章来源：夕小瑶科技说
内容字数：6834字

内容摘要：

夕小瑶科技说原创作者 | 芒果引言：关于大模型分析用户满意度的探索该研究强调了用户满意度估计（USE）的准确性和可解释性在改善对话系统中的重要性。现有的基于特征化机器学习模型或文本嵌入的方法在提取模式和可解释性方面存在限制。文章提出利用大语言模型（LLMs）能更有效地从用户的自然语言中提取出用户满意度的可解释信号。并且作者通过监督学习的方式开发了一种新的方法——监督提示用户满意度量表 (SPUR)，这种方法不仅具有更高的准确性，而且更具解释性。
论文标题：Interpretable User Satisfaction Estimation for Conversational Systems with Large Language Models
论文链接：https://arxiv.org/pdf/2403.12388.pdf
用户满意度估计（USE）的现状与局限性用户满意度估计（USE）对于理解、评估和持续改进对话系统至关重要。在通用（如ChatGPT和Bing Copilot）和特定任务（如客户服务机器人）的对话系统中，用户以多样的对话模式表达他们的满意或不满意。现有基于特征

原文链接：今日arXiv最热NLP大模型论文：微软：用大模型分析用户满意度，让智能系统更善解人意