大语言模型作为个性化知识 grounded 对话的源规划器
计算与语言
2023-10-16 v1 人工智能
摘要
开放域对话系统通常需要不同知识源以生成更具信息量与有据可依的回复。然而，现有知识 grounded 对话系统要么聚焦于单一知识源，要么忽视多知识源之间的依赖关系，可能导致生成不一致甚至矛盾的回复。为融合多知识源及其间依赖，我们提出 SAFARI，一种新颖框架，在监督与无监督设定下均利用大语言模型（LLM）在规划、理解与融合方面的卓越能力。具体而言，SAFARI 将知识 grounding 解耦为多源与回复生成，便于扩展至各类知识源，包括不使用任何源的可能。为研究该问题，我们构建了个性化知识 grounded 对话数据集 KBP（Knowledge Behind Persona），首次考量了人物设定与隐式知识间的依赖。在 KBP 数据集上的实验结果表明，SAFARI 框架能有效生成人物一致且知识增强的回复。
引用
@article{arxiv.2310.08840,
title = {Large Language Models as Source Planner for Personalized Knowledge-grounded Dialogue},
author = {Hongru Wang and Minda Hu and Yang Deng and Rui Wang and Fei Mi and Weichao Wang and Yasheng Wang and Wai-Chung Kwan and Irwin King and Kam-Fai Wong},
journal= {arXiv preprint arXiv:2310.08840},
year = {2023}
}