本研究提出了一种新的联合模型，结合上下文化语言模型与神经网络，针对越南语自然语言推断（NLI）进行研究，F1得分最高达到82.78%。

该文综述对话理解中的意图分类与槽位填充研究，涵盖：将对话任务转为问答任务以利用预训练模型；无监督槽位归纳结合意图标签缩小与监督模型的差距；TWOSL实现跨语言数据高效标注；工业级标签-循环模型降低误差；语义角色标注提升对话改写；大模型结合提示与知识注入增强噪声ASR下的槽填充鲁棒性；BERT联合模型及生成式框架提升多任务性能；意图标签特征与Apriori三步流程进一步改进槽位标注。