基于情感偏好优化与MambaCompressor的音视频对话式共情响应
计算机视觉与模式识别
2024-12-24 v1 人工智能
摘要
聊天机器人研究正不断进步，受益于聊天机器人在需要人类互动的领域（如客户支持和心理健康护理）的日益重要作用。尽管如此，聊天机器人仍面临着理解细微细微差别和管理长对话历史的重大挑战。为此，我们的研究提出了两种方法：首先，我们采用情感偏好优化（Emotional Preference Optimization, EPO）进行训练，让聊天机器人不仅学习正确的响应，还学习具有反情感响应——即在情境上相似但情感上不同的响应。这种训练使模型能够分辨正确响应与反情感响应之间的细微差别，从而提升响应质量。其次，我们引入 MambaCompressor 来有效压缩和管理广泛的对话历史，显著降低时间和内存复杂度，同时提高聊天机器人的情境理解能力。我们进行了全面的实验，跨越多个数据集，结果显示我们的模型在生成共情响应和高效管理长对话方面显著优于现有模型。
引用
@article{arxiv.2412.17572,
title = {Empathetic Response in Audio-Visual Conversations Using Emotion Preference Optimization and MambaCompressor},
author = {Yeonju Kim and Se Jin Park and Yong Man Ro},
journal= {arXiv preprint arXiv:2412.17572},
year = {2024}
}