探索 persona sentiment 在个性化对话生成中的敏感性

个性化对话系统通过将用户特定的 persona 融入大语言模型 (LLMs) 实现了显著进步。然而，尽管 LLMs 能够有效生成个性化响应，但 persona 情感对对话质量的影响仍未被充分探讨。本文进行了大规模分析，研究使用多种极化用户档案生成的对话。我们的实验表明，涉及负面极化用户的对话倾向于过度强调 persona 属性；而积极极化档案则产生的对话在选择性地融合 persona 信息方面表现更佳，从而实现更顺畅的交互。此外，我们发现情感较弱或中性的 persona 通常会产生较低质量的对话。针对这些发现，我们提出了一种显式考虑 persona 情感极性的对话生成方法，通过结合轮次生成策略与档案排序机制以及情感感知提示词实现。本研究为理解 LLMs 对 persona 情感的敏感性提供了新见解，并为开发更稳健、更细致的个性化对话系统提供了指导。