通过单次隐式负反馈提升AI辅助写作效果

AI中介通信使用户能够更快捷、更高效地进行交流。已提出各种系统，如智能回复和AI辅助写作。然而，输入形式的异构性和体系结构的差异常常使得将来自一个系统的用户行为洞察融合到另一个系统中以提升性能方面存在挑战。本文考虑了用户未选择智能回复系统所提供的任意回复之一的情况，以及如何将此作为单次隐式负反馈来增强AI写作模型的准确性。我们引入Nifty方法，利用分类器引导可控地将隐式用户反馈集成到文本生成过程中。实验结果表明，在MultiWOZ和Schema-Guided Dialog数据集上，与基础AI写作系统相比，Nifty方法可实现最高34%的ROUGE-L提升、89%的正确意图生成提升以及86%的人类评估优势。