聊天机器人并非万能：信息丰富提示生成更真实的响应
计算与语言
2023-12-29 v1
摘要
最近的大型语言模型（LLMs）在对话环境中模仿虚构角色或真实人类方面展现了显著能力。然而，通过提供被模仿主体的更丰富信息，可以进一步增强这些响应的真实性和一致性。在本文中，我们提出了一种新方法，利用五种感官、属性、情绪状态、与对话者的关系以及记忆，从LLMs生成更真实和一致的响应。通过整合这些因素，我们旨在提高LLM在对话交流中生成自然和真实反应的能力。通过我们的研究，我们期望有助于开发在模仿虚构角色方面表现出更强能力的LLMs。我们在Github上发布了一个新的基准数据集以及我们所有的代码、提示和样本结果：https://github.com/srafsasm/InfoRichBot
引用
@article{arxiv.2312.16233,
title = {Chatbot is Not All You Need: Information-rich Prompting for More Realistic Responses},
author = {Seokhoon Jeong and Assentay Makhmud},
journal= {arXiv preprint arXiv:2312.16233},
year = {2023}
}