研究者提出对话陈述归一化方法

独立研究者 Mikhail L. Arbuzov 等人发布论文，提出面向大规模对话分析的"陈述归一化"方法：把对话转化为带说话人归属、来源引用和语义标签的短陈述，使含义更明确并支持按问题筛选证据。 在客服通话的优惠抑制任务中，归一化提升了无筛选的监督分类器效果；较弱的提示词读者则同时受益于归一化与筛选。该流程可完全由小模型搭建，小模型学习归一化契约，轻量编码器负责打标签与下游决策，据称可降低百万级对话的分析成本。

AI 根据报道生成 · 50 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。