IRWOZ 2.0 是对原始 IRWOZ 数据集的全面升级，旨在提升工业人机交互（HRI）对话系统的状态跟踪精度。原版数据在对话状态和发言上噪声较大，限制了模型的学习效果。
本次升级核心采用了大语言模型（Mistral 与 Claude‑3.5）进行自动生成，并结合人工校对和自动错别字清除，实现了高质量的对话标注。数据集规模扩展至 390 条完整对话，覆盖装配、递送、定位、搬迁四个工业场景。
在对话状态跟踪基准实验中，使用 GPT‑2 进行评估，BLEU‑4 分数从原始的 0.1651 提升至 0.5604，验证了数据质量提升对模型性能的显著推动作用。
IRWOZ 2.0 已在 IEEE DataPort 公布，研究者可通过 https://ieee-dataport.org/documents/irwoz-20-large-language-model-driven-dialogue-dataset-industrial-robot-conversations 下载使用。
点评：该数据集通过 LLM 辅助生成和细致的人工修正，显著降低了噪声，为工业机器人对话研究提供了更可靠的基准资源。