首先，自然语言交互不是单轮的一问一答，而是一个多轮的过程。UNIT提供了多轮交互能力，基于上下文信息综合地理解用户需求，管理和控制交互状态。

同时，UNIT设计的可定制化的动作触发机制，可以实现准确操控对话动作。当用户的需求表达模糊不清时，UNIT还提供了自动澄清功能，比如用户查询“山大的分数”，UNIT便可以自动询问用户想找的是“山东大学”还是“山西大学”。

此外，在UNIT上还可以配置对话引导，在满足当前需求之外激发用户新的需求，从而发生进一步的交互。

百度大数据帮你优化模型

数据是AI时代的新能源，对于很多开发者而言，数据的匮乏比技术的欠缺更加难以逾越。因此UNIT除了提供理解与交互技术之外，也同时会提供数据的支持。

百度大数据是一座巨大的宝库，里面有海量的网页内容数据，有用户搜索和点击浏览数据，有各类产品的对话交互数据，等等。百度的大数据来自于真实应用，覆盖各个领域、各个场景，而且随着时间在不断增长和更新。

因此，UNIT要做的就是针对我们每一个开发者、每一个应用场景，从百度大数据中汲取出最相关、最有价值的这部分数据来，提供给开发者用于模型的优化。

为此，UNIT实现了一种机制：基于开发者提供的小规模标注数据，使用语义匹配技术从百度大数据中自动匹配出相近似的数据，并将这些数据提供给开发者去标注，这样便省去了开发者在应用开发过程中无处收集真实数据的苦恼，让数据的标注和模型的优化变得事半功倍。

自然语言对话式交互应用不会是千篇一律的，而是与目标任务紧密相关，需要基于不同的背景知识、实现不同的业务逻辑、满足用户的不同需求。因此UNIT提供了多种的定制化选项，来辅助开发者自由灵活的实现定制化的语言理解与交互功能。在众多的定制化选项里，开发者既可以选择上传特定的词表来注入本任务所需的领域知识，也可以按照自己的需求灵活的配置交互逻辑，还可以通过提供训练数据来塑造应用所需的机器学习模型。

我们相信，哪怕是再简单的任务，开发者们也可以设计出互不相同的功能和特色，用这些定制化的手段，可以让你的智能对话具备个性，与众不同。

“训练师”模式

对于我们自然语言对话的开发者而言，我们常常能够发现当前系统存在的能力不足。我们希望能随时随地的“消灭”这些不足，让系统的理解和交互能力变得越来越完善。为此，UNIT设计了一种全新的定制化优化的模式，我们将它称为“训练师”模式。

在训练师模式下，开发者、测试者或者普通的使用者都可以成为理解与交互训练师，他们通过与当前系统进行交互来体验和测试系统的能力，一旦发现了系统的理解或交互能力的不足，训练师便可以直接说一声“@UNIT”，并进而完成对当前这条数据的标注。标注好的数据会变成一条训练数据，在下一次的模型重新训练时发挥作用。