Feb, 2023

POSGen：在线保险销售个性化开头句生成

PDF
TL;DR该研究介绍了一种名为 POSGen 的个性化聊天机器人开场话生成方案，将用户嵌入式学习应用于保险销售话术，以改善传统线下保险销售转为在线保险销售后的客户互动体验，经过实际测试获得了 2.33 倍的总保费提高。
insuranceonline saleschatbot aipersonalized opening sentence generationposgen
发现论文，激发创造
  • 通过思维链推理在大型语言模型中注入销售人员的对话策略

    SalesBot 2.0 通过使用大型语言模型（LLMs）的常识知识和链式推理（CoT reasoning）训练销售代理人，并结合改进后的数据集，实现了对话策略的控制、提高了连贯性和减少了攻击性，从而促进销售 - 顾客互动过程的更好模型学习。

    Apr, 2024

  • 销售机器人 2.0：一个人类化意图导向的闲聊数据集

    本文介绍了 SalesBot 2.0，通过使用大型语言模型的常识知识逐渐缩小闲聊和面向任务的对话之间的差距，构建了一个新的大规模数据集，提供了更加平滑的话题转换和更加接近人类自然性和一致性的对话，对学术研究和商业应用都具有重要价值，并提出了一种框架可以用于生成具有各种目标意图的对话。

    Aug, 2023

  • 具有隐式用户人设检测的个性化对话生成器

    提出了一种基于用户人格检测的个性化对话生成器，该方法使用条件变分推理建立用户潜在人格模型并利用后验鉴别正则化提高训练效果，在实证研究中实现比现有技术更高的对用户人格关注和提升了对话品质的效果。

    Apr, 2022

  • 大规模多参与者生成对话建模

    本文提出了一种新的对话代理模型 ——Generative Conversation Control，它能够控制对话代理的个性，并通过控制该模型上一次与目标演员的对话，实现对话代理个性的表达，该模型在 Reddit 评论数据上进行了验证和评估，其效果得到了显著提高。

    May, 2020

  • 通过角色扩展来提高对话中的人格一致性

    该论文提出了一种新的检索到预测范例来解决个性化聊天机器人中 OOP 问题，并通过采用实际人物进行后验转换来进一步缓解训练和推理之间的差距。并通过 IT-ConvAI2 和 ConvAI2 的广泛实验表明，我们提出的模型在自动指标和人类评估方面都取得了可观的改进。

    Aug, 2022

  • 通过无序表示正则化实现强健的个性化对话生成

    提出一个模型无关的框架 ORder Insensitive Generation (ORIG)，解决了拼接个性化文本和对话历史输入顺序对响应生成的影响，从而提高了生成的响应一致性和效果。在 Persona-Chat 数据集上，实验表明我们方法的有效性和优越性。

    May, 2023

  • 智能代理的对抗性对话塑造

    通过对抗对话塑造探究了两个模型 —— 生成对抗网络与策略梯度（GANPG）和生成对抗网络每个生成步骤进行奖励的模型（REGS），来提升智能对话代理的性能。讨论了使用不同训练细节（seq2seq 和 transformers）在强化学习框架下的表现。

    Jul, 2023

  • 借助大语言模型生成忠实的以人为基础的对话数据集

    通过建立 Generator-Critic 架构，使用 LLM 生成会话，借助 Synthetic-Persona-Chat 评估了高质量对话数据集对 NLP 模型的影响。

    Dec, 2023

  • 训练数百万个个性化对话代理

    本文介绍了一个包含 500 万个人物角色和 7 亿个依据人物角色的对话的新数据集，研究表明，使用此数据集训练对话系统，尤其是当基于文本人物角色时，可以提高其表现，并且在 Zhang 等人（2018）的数据上进行微调可以实现最新的成果。

    Sep, 2018

  • 个性化回复选择的即插即用人设提示技术 P5

    利用个人化引导的基于检索的聊天机器人在个性化对话中至关重要，但存在几个需要解决的挑战。为了解决这些挑战，我们提出了一种即插即用的个人化提示方法，该系统可以作为标准开放域聊天机器人使用，同时降低对个人化训练数据的依赖，提供更好的性能。这是首次使用提示序列解决个性化响应选择问题。

    Oct, 2023