Interactive Natural Language Processing

本文是对《Interactive Natural Language Processing》的翻译。

摘要

交互式自然语言处理（iNLP）已成为NLP领域的一种新范式，旨在解决现有框架中的局限性，同时与人工智能的最终目标保持一致。这种范式将语言模型视为能够反复观察、行动和接收来自外部实体的反馈的代理。
具体而言，这种背景下的语言模型可以：（1）与人类互动，以更好地理解和解决用户需求，个性化响应，与人类价值观保持一致，并改善整体用户体验；（2） 与知识库互动，用事实知识丰富语言表达，增强反应的上下文相关性，并动态利用外部信息生成更准确和知情的反应；（3） 与模型和工具交互，以有效分解和处理复杂任务，利用特定子任务的专业知识，并促进社会行为的模拟；以及（4）与环境互动，学习基于基础的语言表达，并有效地处理具体任务，如根据环境观察进行推理、规划和决策。
本文对iNLP进行了全面的综述，首先提出了概念的统一定义和框架。然后，我们提供了iNLP的系统分类，剖析了其各种组件，包括交互对象、交互接口和交互方法。我们继续深入研究该领域使用的评估方法，探索其不同的应用，仔细审查其伦理和安全问题，并讨论未来的研究方向。这项调查是对这一快速发展领域感兴趣的研究人员的切入点，并为iNLP的当前前景和未来轨迹提供了广阔的视角。

1 引言

近年来，自然语言处理（NLP）见证了一场引人注目的革命，这要归功于生成性预训练语言