用于跨文化对话的文化常识知识
计算与语言
2024-07-24 v3
摘要
尽管近期取得了进展，大语言模型（LLMs）在恰当应对社会和文化习俗的复杂性方面仍面临挑战。本文提出了 MANGO，一种用于提炼高准确率、高召回率文化知识断言的方法论。我们审慎且迭代地从概念和文化两个切入点提示 LLM 以达成此目的。输出结果通过聚类和生成式摘要进行整合。使用 GPT-3.5 作为底层 LLM 运行 MANGO 方法，为 3 万个概念和 1.1 万种文化生成了 16.7 万条高准确率断言，在质量和规模上大幅超越了现有资源。在针对跨文化对话的外部评估中，我们探索了利用文化知识断言增强对话系统。值得注意的是，尽管 LLM 本身固有地具备文化知识，但我们发现添加来自 MANGO 的知识能提高对话响应的整体质量、具体性和文化敏感性，这一点已由人工标注者判定证实。数据和代码可供下载。
引用
@article{arxiv.2402.10689,
title = {Cultural Commonsense Knowledge for Intercultural Dialogues},
author = {Tuan-Phong Nguyen and Simon Razniewski and Gerhard Weikum},
journal= {arXiv preprint arXiv:2402.10689},
year = {2024}
}
备注
11 pages, 2 figures, 10 tables, accepted at CIKM '24