圖夫茨大學最新研究發(fā)現(xiàn)，大型語言模型在識別對話中的合適插話時機方面存在明顯缺陷，這一發(fā)現(xiàn)揭示了人工智能在對話能力上的局限性。

在自然語言處理經(jīng)驗方法會議（EMNLP 2024）上，該大學的研究團隊將詳細介紹他們的研究成果。該研究已提前在arXiv預印本服務器上發(fā)布，引起了學術界的廣泛關注。

研究指出，人類在交談時通常會根據(jù)多種輸入線索來判斷何時是合適的插話時機，這被語言學家稱為“話輪轉(zhuǎn)換點”（TRP）。然而，AI在識別這些關鍵時點上表現(xiàn)得并不理想。

傳統(tǒng)觀點認為，對話中的副語言信息，如語調(diào)和停頓，是識別TRP的關鍵。但圖夫茨大學的JP de Ruiter教授表示，實際上，語言內(nèi)容本身才是決定輪流發(fā)言時機的最重要因素。

研究人員嘗試通過微調(diào)和對話內(nèi)容額外訓練來提升AI的對話能力，但結(jié)果發(fā)現(xiàn)仍存在難以克服的限制。他們警告說，基于統(tǒng)計相關性的AI可能無法真正理解對話的深層語境和意圖。

為了克服這些限制，研究團隊建議對大型語言模型進行更大規(guī)模的自然口語語料庫預訓練。然而，目前收集足夠數(shù)量的對話錄音和轉(zhuǎn)錄數(shù)據(jù)仍是一個巨大挑戰(zhàn)。