关键词open-domain conversational agents
搜索结果 - 5
- 基于大型语言模型的零射击提示在开放域人机对话中的角色扮演
采用角色扮演零样本提示作为一种高效且经济有效的方法,本研究使用能遵守指令的多语言 LLM(Beeching 等,2023 年)进行开放领域对话,并设计了一个提示系统,与 Vicuna(Chiang 等,2023 年)模型相结合,产生与精调模 - 利用情感回应意图分类控制和解释神经聊天机器人中的共情
本文提出一种利用八种共情响应意图的分类法来控制和解释聊天机器人的共情响应能力的方案:该方案包括两个模块,一个是响应情感 / 意图预测模块,另一个是响应生成模块。研究结果表明,该方案可以生成比端到端模型更多样化且更具共情的响应。
- COLING人类社交对话中共情回应意图的分类
该研究提出一种使用对话意图建模和情感分类的混合方法来提高对话生成系统的响应质量和可控性,并采用信息可视化方法分析人类开放域对话中的情感模式和情感分类。
- 多模态开放领域对话
本文旨在研究结合先进的开放域对话代理和视觉模型,以实现多模态对话的目标,研究不同的图像融合方案和域自适应预训练和微调策略,并展示了我们最好的模型不仅在多模态对话方面优于现有的强模型,而且在纯文本对话方面表现也和其前身 BlenderBot - 通过建模、过滤和优化来提高对话的连贯性和多样性
本文介绍了三种增强现有编码器 - 解码器模型的方法,以有效地模拟连贯性并促进输出多样性,它们在 OpenSubtitles 语料库上的实验表明,与竞争神经模型相比,在 BLEU 分数以及连贯性和多样性度量方面均有极大改善。