बड़े पैमाने पर, डोमेन-विशिष्ट बहुभाषी वार्तालाप डेटासेट उत्पन्न करने की चुनौतियों का समाधान करने के लिए, यह शोधपत्र Chain-of-Intent प्रस्तुत करता है, जो एक नया ढाँचा है जो हिडन मार्कोव मॉडल (HMM) और लार्ज-स्केल लैंग्वेज मॉडल (LLM) को एकीकृत करता है। Chain-of-Intent वास्तविक दुनिया के ई-कॉमर्स चैट लॉग से डोमेन-विशिष्ट आशय संक्रमण पैटर्न निकालता है और उनका उपयोग राउंड-बाय-राउंड डायनेमिक्स और आशय अनुक्रमों को मॉडल करने के लिए करता है। इसके बाद, यह LLM का उपयोग करके HMM की उत्सर्जन संभावनाओं को पैरामीटराइज़ करता है ताकि प्राकृतिक और सुसंगत उच्चारण उत्पन्न हों जो अनुमानित आशय और वार्तालाप संदर्भ के साथ संरेखित हों। इसके अलावा, हम MINT-CL का प्रस्ताव करते हैं, जो एक बहु-कार्य कंट्रास्टिव लर्निंग ढाँचा है जो बड़े एनोटेटेड डेटासेट पर निर्भरता को कम करते हुए प्रदर्शन में सुधार करता है। प्रायोगिक परिणाम दर्शाते हैं कि प्रस्तावित विधि, विशेष रूप से बहुभाषी परिवेशों में, संवाद निर्माण गुणवत्ता और वर्गीकरण सटीकता, दोनों में प्रतिस्पर्धी आधारभूत मॉडलों से बेहतर प्रदर्शन करती है। अंत में, हम भविष्य के अनुसंधान के लिए ई-कॉमर्स डोमेन से प्राप्त एक व्यापक बहुभाषी, आशय-जागरूक बहु-दौर वार्तालाप कोष, MINT-E जारी करते हैं।
