SFL-MTSC: 강건한 다중 의도 음성 언어 이해를 위한 의미론적 프레임 수준 다중 작업 자기 일관성 활용

대규모 언어 모델 (LLMs)을 활용한 프롬프트 기반 음성 언어 이해 (SLU)는 디코딩의 확률성(stochasticity)으로 인해, 특히 다중 의도 (multi-intent) 시나리오에서 의도-슬롯 (intent--slot) 구조가 일관되지 않은 문제를 자주 겪습니다. 이를 해결하기 위해, 우리는 의미론적 프레임 수준에서 작동하는 새로운 구조적 집계 프레임워크인 SFL-MTSC (Semantic Frame-Level Multi-Task Self-Consistency)를 제안합니다. SFL-MTSC는 출력 수준의 다수결 투표 (majority voting) 대신, 예측을 의도별 프레임으로 분해하고, 도메인-의도 그룹화 (domain--intent grouping) 및 슬롯 수준 클러스터링 (slot-level clustering)을 적용하며, 경로 지원 점수 (path support scoring)를 사용하여 클러스터의 신뢰성을 평가합니다. 신뢰할 수 있는 프레임은 유지되고 재통합되어 최종 예측을 형성합니다. MAC-SLU 벤치마크 데이터셋에 대한 제로샷 (Zero-shot) 실험 결과, 의도 정확도는 대부분의 설정에서 대체로 안정적으로 유지되는 반면, 슬롯 F1 점수와 전체 정확도는 단일 경로 추론 (single-path inference)에 비해 향상됨을 보여주었습니다.