Clarification des Ambiguïtés : Sur le Rôle des Types d'Ambiguïté dans les Méthodes d'Amorçage pour la Génération de Clarifications
Anfu Tang, Laure Soulier, Vincent Guigue
Résumé : En recherche d'information (RI), il est essentiel de fournir des clarifications appropriées pour concevoir un système de dialogue proactif et guider l'utilisateur. Grâce au développement des grands modèles de langage (LLMs), des études récentes explorent des méthodes d'amorçage pour générer des clarifications à l'aide de chaîne de raisonnement (Chain of Thought, CoT). Cependant, l'amorçage CoT ne permet pas de distinguer les caractéristiques des différents besoins en information, impactant la résolution des ambiguïtés. Dans ce travail, nous cherchons à modéliser et intégrer les ambiguïtés liées au besoin en information dans le processus de génération de clarifications. Nous étudions l'impact des schémas d'amorçage en proposant Ambiguity Type-Chain of Thought (AT-CoT), qui impose à CoT de prédire d'abord les types d'ambiguïté, puis de générer les clarifications correspondantes. Des expériences sont menées sur divers jeux de données afin de comparer AT-CoT à plusieurs modèles de référence. Nous réalisons également des simulations utilisateur pour une évaluation extrinsèque.
Mots clés : question de clarification, système de RI conversationnel, type d'ambiguïté