计数语音的终极盾牌！基于属性前缀学习的多条件计数语音生成

计数语音已被证明是有效抗制网络 Hate 言论的有力工具。以往研究仅在特定意图（单属性）条件下生成计数语音，但同时考虑多重属性可产生更细致且高效的响应。本文引入 HiPPrO（Hierarchical Prefix learning with Preference Optimization），一种新型两阶段框架，利用属性特定前缀嵌入空间的分层优化效果，层次化地集成于计数语音生成过程的第一个阶段。随后，我们采用参考策略与无奖励偏好优化相结合，以生成更具建设性的计数语音。此外，我们扩展了 IntentCONANv2，通过五位标注员为其标注的全部 13,973 条计数语音实例添加情感标签。HiPPrO 利用分层前缀优化有效集成这些双重属性。广泛的评估表明，与多种基线模型相比，HiPPrO 在意图一致性上实现约 38% 的提升，同时在 Rouge-1、Rouge-2 和 Rouge-L 指标上分别提升约 3%、2%、3%。人类评估进一步证实了该方法的优越性，突出其生成计数语音的相关性和恰当性。本工作凸显了多属性条件化在推动计数语音生成系统效能方面的潜力。我们的代码已在 Github 上提供，数据集也已在 Hugging-face 上开源。