多轮对话数据集分为两类：

1. 无原因推理型数据集

• Ubuntu Dialogue Corpus:

2. 原因推理数据集

MuTual

1. 数据需要几类推理

• 态度推理 Attitude Reasoning
• 数字推理 Algebraic Reasoning
• 意图推理 Intention Prediction（接下来想做什么）
• 环境推理 Situational Reasoning（对话者之间关系，位置）
• 多轮对话数据集分为两类：

1. 无原因推理型数据集

• Ubuntu Dialogue Corpus:

2. 原因推理数据集

MuTual

1. 数据需要几类推理（每类平均13.5%）

• 态度推理 Attitude Reasoning
• 数字推理 Algebraic Reasoning
• 意图推理 Intention Prediction（接下来想做什么）
• 环境推理 Situational Reasoning（对话者之间关系，位置）
• 多事实推断 Multi-fact Reasoning （基于多个事实推断出结果）
• 其他 Others，commonsense knowledge（包括9%）

2. MuTual-plus

• 首先生成一个安全选项，例如Could you repeat that?， I’m really sorry,I didn’t catch that.等
• 然后用安全选项随机替代一个选项，可替换正确或者错误选项，如果是错误选项，最优选项仍然是正确选项；
  3.数据集比例
• train: dev: test = 8:1:1

3. MuTual与MuTual-plus

• 通过MuTual训练数据，MuTual-plus测试，即没有安全选项训练，在有安全选项的数据上测试，发现效果有所降低

4. 每个原因导致的效果对比

   
   不同原因导致指标差异

• 说明数学推理能力和对话者关系的推理能力较弱
• 对话长度不影响结果，从2轮到6轮指标降低较少
• 扰乱词顺序，说明对语序不敏感