EMNLPOct, 2023

个性化回复选择的即插即用人设提示技术 P5

PDF
TL;DR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。
persona-grounded retrieval-based chatbotspersona prompting methodzero-shot modelfine-tuned modelpersonalized response selection
发现论文，激发创造
  • 使用 Prompt-Tuning 构建个性化对话系统

    本研究通过使用 persona 来建立具有一致性反应的对话系统，提出了一种基于预训练的大型语言模型的 prompt 调节方法，在英语和日语方面的自动和手动评估结果表明，这种方法可以建立具有更自然和个性化反应的对话系统，而且计算资源较少。

    Jun, 2022

  • 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

  • 智能友好的对话代理：基于知识和角色认知的应用

    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

  • 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

  • 使用零样本提示学习控制对话中的人格风格

    本文探讨了基于提示的学习在控制自然语言生成模型的人格和语义准确性方面的效果，结果表明，提示生成的输出会产生更好的语义准确性和人格准确性，特别是在语义风格转移提示的情况下，同时没有前人在此方面的探索。

    Feb, 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

  • 度量和控制语言模型对话中的角色漂移

    通过自我会话测试，我们评估了个性化聊天机器人之间的身份稳定性，并揭示了频繁的身份转化现象。通过经验和理论分析，我们发现 Transformer 注意机制的衰退是造成这一现象的原因。为了解决注意力衰退和身份转化问题，我们提出了一种轻量级方法称为 split-softmax，并与两个强基线模型进行了比较。

    Feb, 2024

  • 基于预训练的个性化对话生成模型及面向稀疏信息处理

    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

  • 呼唤个性化对话：个性化对话基于人设和知识的支撑

    通过使用用户角色和维基百科知识，针对庞大的谈话代理和数据集存在的不足，引入了一个 Call For Customized conversation (FoCus) 数据集，以在预训练的语言模型中评估信息和定制发言的生成能力，并通过自动分数进行评估，得出通过角色和知识反映模型的适当发言的结论。

    Dec, 2021

  • 通过相互人设感知实现的对话生成

    本文提出了基于 P^2 框架的机器人 P^2 Bot，该框架旨在显式地建立对话者间的理解模型。实验结果表明该框架在大型公共数据集 Persona-Chat 上取得了显著效果提升。

    Apr, 2020