本文介绍了CI-ToD数据集在任务导向对话系统中解决一致性预测问题的应用。研究表明，现有方法在检测对话不一致性方面仍有提升空间。通过使用大型语言模型和特定组件，提出了提高任务信念跟踪准确率的策略，并探讨了对话系统的设计挑战和持续学习的基准。

本文综述大语言模型在目标导向对话中的研究：通过强化学习与模型生成交互示例优化对话能力，在教学和偏好引导任务上达到最新性能；模型在多轮任务及与外部数据库交互中显式信念跟踪较弱，但给定正确槽值即可引导对话成功；此外还涉及自我训练、提示设计对数据收集的影响、口语学习评估、以内心独白提升拟人对话、用紧凑表示对话历史降低成本、自省提示自我优化，以及LLM辅助agent学习新任务。