arXiv cs.CL· Bing-Long Kuo, Yu-Hsuan Fang, Tien-Hong Lo, Hsueh-Wei Liao, Berlin Chen·· 10 小时前AI 评分22
APEX：用查询自适应意图检测提升口语理解检索效果
An Effective Spoken Language Understanding Approach Leveraging Query-Adaptive Intent Detection
AI 导读
论文提出 APEX 两阶段检索框架，先用意图级原型筛选候选意图，再在选定意图空间内检索上下文示例，以解决直接查询检索易选中语义相似但意图无关示例的问题。在 SLURP 数据集全转录条件下，APEX 搭配 Qwen3 4B 和 Gemma-3-4B 分别将 EMA 提升 4.34 和 3.97 个百分点；高困惑度输入下增益为 7.66 和 2.13 个百分点。
正文 · AI 翻译
摘要：大语言模型通过上下文学习实现了免微调的口语理解（SLU），但基于查询的直接检索可能会选出语义相似却与意图无关的示例。本文提出通过原型提取实现查询自适应意图检测（APEX），这是一个两阶段检索框架，首先使用意图级原型选择候选意图，然后在选定的意图空间内检索上下文示例。在 SLURP 数据集上的实验使用精确匹配准确率（EMA）评估联合 SLU 性能，涵盖完整转写文本和困惑度分层条件，并在 ASR 生成的转写文本上进行了额外的检索分析。与基于查询的检索相比，在完整转写文本上，APEX 使用 Qwen3 4B 和 Gemma-3-4B 分别将 EMA 提升了 4.34 和 3.97 个百分点。在高困惑度输入下，APEX 还分别带来了 7.66 和 2.13 个百分点的 EMA 提升。检索分析进一步表明，原型引导的候选选择在多种输入条件下实现了更高的真实意图覆盖率。
| 评论： | 被 TAAI 2026 接收为口头报告。6 页 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2611.09491 [cs.CL] |
| （或 arXiv:2611.09491v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.09491 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Bing-Long Kuo [查看邮箱]
[v1]
2026 年 11 月 6 日星期五 14:13:17 UTC（785 KB）
来源：arXiv cs.CL · arxiv.org