対話型AIの分野において、目標指向型プロアクティブ対話システムは、事前に定義された目標に向かって会話を誘導し、積極的に提案を行うように設計されています。このようなシステムの中核的なパラダイムは、合理的な対話経路を計画し、その後、言語モデル（事前学習済みモデルや大規模言語モデルなど）を誘導して応答を生成することです。しかし、対話経路計画自体は新規かつ未開拓の問題です。
この課題に取り組むため、Xinyue Kangらによる研究チームは、事前に定義された対話目標に向けた対話経路計画のために、前向き集中型双方向疑似シャムネットワーク（Forward-Focused Bidirectional Pseudo-Siamese Network, FF-BPSN）と呼ばれる新しいモデルを提案しました。このモデルは、順方向計画と逆方向計画をそれぞれ担当する2つの同一のTransformerベースのデコーダを採用しています。順方向計画は現在の対話状態から将来の対話経路を予測し、逆方向計画は目標状態から逆算して全体的な指針を提供します。
双方向計画の情報を効果的に統合するために、FF-BPSNは前向き集中モジュールを導入しています。このモジュールは双方向の情報を統合しながら順方向の情報を優先し、最終的な順方向対話経路を構築します。これにより得られる経路は、双方向計画による広い視野の利点を活かしつつ、順方向計画の主導性を確保し、実際の対話の進行方向に沿ったものになります。
計画された対話経路を得た後、研究者たちはその経路を利用して言語モデルに具体的な対話応答を生成させます。この「計画してから生成する」戦略により、言語モデルは経路に導かれながら、より一貫性があり目標指向の応答を生成できるようになります。
FF-BPSNの有効性を検証するため、研究チームはDuRecDialとDuRecDial 2.0の2つの公開データセットで大規模な実験を行いました。実験結果は、FF-BPSNが対話経路計画タスクにおいて最先端の性能を達成し、目標指向型プロアクティブ対話システムの全体的な効果を大幅に向上させることを示しています。これは、双方向計画と前向き集中を組み合わせた戦略が対話経路計画において優れていることを証明しています。
本論文はICASSP 2026に採択されており、計算言語学および関連分野における学術的価値を示しています。将来的には、この計画手法がより複雑な対話シナリオに拡張され、プロアクティブ対話システムの発展を促進することが期待されます。