我们就是我们反复做的事情:在基于人物的回答中引导和应用习惯性模式
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
本论文提出了一种有效的对话代理,同时考虑外部知识和个性,通过检索增强生成和知识个性增强查询来生成话语,实现了更少幻觉和更有吸引力的对话,在自动指标上的基于个性和知识的对话任务达到了最先进的性能,同时,通过人类评估和定性结果证明了模型对话的幻觉和吸引力,验证了检索的有效性。
Jan, 2023
本研究报道了一种基于神经网络模型的人设推理方法,通过对 IMDB 电影台词的编码和特征表示学习,模型能够有效地根据角色类型实现人设嵌入,并应用于电影角色相似性度量和电影聚类。
Oct, 2018
本文提出使用常识知识库和释义资源扩展现有的角色描述,以便为对话模型提供大量且更丰富的角色描述,同时引入细粒度角色描述,通过在综合对话响应时鼓励模型在角色描述中做出离散选择。 通过使用离散潜在随机变量对离散选择建模,并使用变分学习从数百个角色扩展中进行采样的方式,我们的模型在对话质量和多样性方面优于竞争基准线,同时实现了角色一致性和可控制的对话生成。
Oct, 2020
本文提出了一种基于预训练的个性化对话模型,利用个人属性嵌入来丰富对话语境,结合注意力路由结构进行解码,从而生成更为连贯且人物一致的回答。
Nov, 2019
本文研究了对话系统的人格偏见,并分析了不同社会阶级、性取向、种族和性别的人物角色。研究者提出将对话系统的角色升级到拥有更多人文特征以更好的迎合用户的趋势可能会产生一些偏见。他们还介绍了一个开源框架 UnitPersonaBias,以探索和聚合对话系统中的人格偏见。此外,研究者还发现与不使用人格形象相比,采用人格形象可能会减少有害的回应。但是,人格选择会影响生成响应中危害程度,因此在实际应用前应该进行系统评估。
Apr, 2021
本研究旨在研究将个性特征应用于对话生成中以提供个性化对话的问题,并提出了一种基于关键 - 值对的嵌入式特征融合模块和两种新颖的特征感知机制,即基于对话者的关注机制和基于对话者的偏置机制,并构建了 PersonalDialog 数据集,该数据集包含来自海量讲话者的具有不同特征的大量多轮对话。实验结果表明,所提出的模型能够在不同情境下处理适当的特征。
Jan, 2019
本文介绍了基于人物角色的模型来处理神经响应生成中的发言人的一致性问题。这些模型在分布式嵌入中编码人物角色,以捕捉个体特征,如背景信息和口语风格。在两个交流者之间捕捉交互属性的暂态发言人 - 被称呼者模型。我们的模型提高了感性和 BLEU 得分,在发言人的一致性上也有类似的提高。
Mar, 2016
本文提出了一种利用人格信息的记忆增强体系结构,将条件变分自动编码器模型与之结合,以生成多样化和可持续的聊天对话,并在基准 persona-chat 数据集上评估,结果表明,该模型可以提供比基线方法更多样化和更吸引人的基于人格的响应。
May, 2019
该研究使用大型语言模型 (Large language models) 和模拟人物 (Simulated personae) 来强化人类常识与认知,展现专家行为的力量,其中包括挑战 LLM 回应的准确度以及复现量子光学领域的最新研究结果。
Jun, 2023