대화 상태 추적(DST)에서 컨텍스트 내 학습은 라벨이 지정된 대화를 컨텍스트 내 예시로 선택하는 검색기와 이러한 예시를 사용하여 쿼리 대화의 대화 상태를 추론하는 DST 모델로 구성됩니다. 기존 검색기 훈련 데이터 생성 방법은 세 가지 주요 한계점(1. 예시의 시너지 효과 고려 부족, 2. 쿼리의 언어적 특성 충분히 고려하지 않음, 3. DST 성능에 대한 직접적인 점수 최적화 부족)을 가지고 있습니다. 결과적으로 검색기는 DST 성능을 크게 향상시킬 수 있는 예시를 검색하지 못할 수 있습니다. 이러한 문제를 해결하기 위해 본 논문에서는 DST 성능에 대한 조합적 영향을 기반으로 효과적인 컨텍스트 내 예시의 점수를 매기는 방법인 CombiSearch를 제시합니다.
