通过链式思维微调实现因果感知的共情响应生成
计算与语言
2024-08-22 v1 人工智能
摘要
共情响应生成赋予代理人理解对话上下文并对表达情感的反应的能力。以往的工作主要关注利用说话人的情感标签，却忽略了情感原因推理在共情响应生成中的重要性，这些工作限制了模型在进一步情感理解和认知推断方面的能力。在本文中，我们通过在大型语言模型上设计良好的链式思维（CoT）提示中整合情感和原因，提出一种因果感知的共情生成方法。我们的方法通过指令调优显著提升了大型语言模型在共情方面的性能，并通过提示增强了共情听者在提示中的角色意识。此外，我们提议将原因导向的外部知识来自COMET纳入提示中，这在同一时间提高了生成的多样性并减轻了内部与外部知识之间的冲突。在基准数据集上的实验结果表明，我们的方法在LLaMA-7b上在自动评估和人类评估方面均实现了前沿性能。
引用
@article{arxiv.2408.11599,
title = {Cause-Aware Empathetic Response Generation via Chain-of-Thought Fine-Tuning},
author = {Xinhao Chen and Chong Yang and Man Lan and Li Cai and Yang Chen and Tu Hu and Xinlin Zhuang and Aimin Zhou},
journal= {arXiv preprint arXiv:2408.11599},
year = {2024}
}