CONA：一种基于大语言模型、用于交流的上下文感知指令新范式
计算与语言
2023-05-31 v1 人工智能
人机交互
摘要
我们提出CONA，一种利用生成式预训练Transformer（GPT）模型实现有效知识传播的新颖上下文感知指令范式。CONA是一个灵活框架，旨在 leveraging 大语言模型（LLMs）的能力，并融入DIKW（数据、信息、知识、智慧）层级，以自动指导并优化演示内容、预判受众潜在疑问，并提供适配受众群体知识水平的上下文感知回答。CONA范式的独特之处在于其将独立顾问机制与植根DIKW层级的递归反馈环相结合。该协同显著增强上下文感知内容，确保其易被受众理解。该范式是探索LLM时代知识传播与交流新方法的早期先驱，为日常知识共享场景提供有效支撑。我们使用GPT4，在一系列受众角色及多学科材料上开展实验。定量与定性结果均表明，相较常规提示工程引导的输出，所提CONA范式取得卓越表现。
引用
@article{arxiv.2305.18620,
title = {CONA: A novel CONtext-Aware instruction paradigm for communication using large language model},
author = {Nan Zhou and Xinghui Tao and Xi Chen},
journal= {arXiv preprint arXiv:2305.18620},
year = {2023}
}