CEMIR vs. FISER：基于推理与基于富化的语用意图识别方法对比研究

英文标题：CEMIR vs. FISER: a comparative study of reasoning-based and enrichment-based approaches to pragmatic intent recognition

在人机交互（HRI）中，智能体（Agent）需要通过推断说话者的潜在目标来解析模糊的自然语言指令。本项研究针对语用意图识别中的两大主流范式——基于推理的方法（如 CEMIR）与基于富化的方法（如 FISER）开展了对比评估。研究分析了两种技术路线在语义解析、上下文理解以及意图消歧方面的机制差异与性能表现。该成果为开发更鲁棒的机器人意图理解系统和具身智能体架构设计提供了理论依据与实践参考。