面向知识 grounding 对话生成的事实性与多样性一致解码方法
计算与语言
2025-08-26 v2
摘要
grounding 外部知识可增强对话生成中响应的事实性，但过度强调它可能导致缺乏引人入目和多样的表达。通过引入随机性进行采样的现有方法可增加多样性，但此类采样方法可能削弱对话生成的事实性。为此，本文提出一种名为 DoGe 的新方法，以发现在不依赖可疑随机性的情况下提升创造性，并在 source-grounded 框架下微妙地协调事实性与多样性。DoGe 可根据模型的事实置信度动态在内部参数知识与外部 source 知识之间交替使用。广泛的实验在三个广泛使用的数据集上表明，DoGe 不仅能提升响应的多样性，还能保持事实性，且显著优于其他各种解码策略基准。
关键词
引用
@article{arxiv.2407.05718,
title = {A Factuality and Diversity Reconciled Decoding Method for Knowledge-Grounded Dialogue Generation},
author = {Chenxu Yang and Zheng Lin and Chong Tian and Liang Pang and Lanrui Wang and Zhengyang Tong and Qirong Ho and Yanan Cao and Weiping Wang},
journal= {arXiv preprint arXiv:2407.05718},
year = {2025}
}