对话状态跟踪（Dialogue State Tracking，DST）指的是：在多轮对话的每一轮，把"用户到目前为止说了什么、还缺什么"整理成一份结构化记录。
像服务员记菜单一样
想象你在餐厅帮一桌人点单。客人说"来一份牛肉面"，你记下主食=牛肉面；他又说"不要香菜"，你补一笔忌口=香菜；接着说"再加个卤蛋"，你写加料=卤蛋。你脑子里那张越写越长的点菜单，就是"对话状态"。DST 要做的，是让机器自动维护这张单子。
技术上，状态通常写成"槽位-值"（slot-value）的形式。以订机票为例，槽位可能有出发城市、到达城市、日期、时间偏好。用户说"帮我订下周三去上海"，状态就变成 {到达城市: 上海, 日期: 下周三}，出发城市仍然空着——这就是"还缺什么"。
难在哪儿
- 用户不按槽位顺序说话，会跳着讲、中途改口、推翻前面说过的；
- 省略和指代多："那后天呢"里的"后天"，必须结合上文才知道是在问同一趟航班的日期；
- 口语含糊、语音识别还可能出错；
- 轮次一多，状态容易漂移，新信息覆盖旧信息。
和相邻概念的区别
| 概念 | 回答的问题 | 输出 |
|---|---|---|
| 意图识别（Intent Detection） | 用户想做什么 | 一个意图标签 |
| 对话状态跟踪（DST） | 这件事的参数填到哪一步了 | 槽位-值结构 |
| 对话管理（Dialogue Management, DM） | 下一步该说什么 | 下一步动作或回复策略 |
意图识别是"分类一下"，DST 是"持续记账"，DM 是"拿着账本做决策"。三者在传统流水线里各占一环，现在常被端到端模型一起完成：让模型每轮顺带输出一份结构化状态，再和上一轮做合并与校验。
另外，DST 管的是当前这通对话的短期状态，一般不跨会话；跨会话记住你是谁、上次买过什么，属于另一类记忆机制。
对从业者的意义
只要做多轮任务型对话——订票、点单、客服工单、表单填写——DST 就绕不开。它直接决定系统会不会反复问同一个问题、能不能接住用户的改口。评估时常看"联合目标准确率"（Joint Goal Accuracy）这类指标，具体定义和最新榜单以官方页面为准。
对普通人的意义
和客服机器人聊天时，它若无其事地又问一遍"请问您要办理什么业务"，多半就是状态没跟住。反过来，那种"它记得我说过什么"的连贯感，背后大多靠这张看不见的清单撑着。