任务导向对话系统（如处理交易、预订和服务请求）需要可预测的行为，但实际部署中为满足延迟要求而使用的中等规模大语言模型（LLM）容易出现幻觉和格式错误，这些错误会级联导致不正确的操作（例如，酒店预订了错误的日期）。为解决这一问题，Yanjun Lin等研究者提出了ReacTOD，一种有界神经符号架构，将自然语言理解（NLU）重新构造为自纠正ReAct循环中的离散工具调用，并由确定性验证机制控制。
ReacTOD的核心是一个有界ReAct循环，允许模型在多次推理步骤中进行迭代自纠正。与单次推理相比，该方法在MultiWOZ基准上将准确率提高了最多9.3个百分点。此外，符号验证器在每个对话状态更新时强制执行动作合规性、模式一致性和指代一致性，在拦截的错误上实现了93.1%的自纠正率，并生成结构化的执行轨迹。增量状态预测和按需历史检索保持了提示的紧凑性，从而在参数受限模型中实证提升了指令遵循能力。
在MultiWOZ 2.1数据集的零样本评估中，ReacTOD取得了新的最优结果：gpt-oss-20B模型达到52.71%的联合目标准确率（JGA），比此前最佳结果高出14个百分点；而Qwen3-8B模型仅用8B参数就达到了47.34%的JGA。在Schema-Guided Dialogue（SGD）基准上，使用Claude-Opus-4.6的ReacTOD在完全端到端评估中达到80.68%的JGA，Qwen3-32B达到64.09%，展示了跨基准的泛化能力，无需任务特定的训练数据。该论文已被ACL 2026的TrustNLP研讨会接收。
这一成果对于对话AI领域具有重要意义，因为它提供了一种在不牺牲性能的前提下，利用中等规模LLM实现可靠对话状态跟踪的可行方案。ReacTOD的神经符号方法不仅提高了准确性，还通过结构化执行轨迹增强了可解释性，为未来在资源受限环境中的部署奠定了基础。