利用少样本数据增强与瀑布式提示进行回复生成
计算与语言
2023-08-03 v1
摘要
本文讨论了我们使用主观知识进行任务型对话建模的方法，特别侧重于回复生成。我们的方法由一项广泛的数据分析所塑造，该分析评估了所提供数据集中存在的回复长度、情感和对话行为等关键因素。我们使用少样本学习用新生成的主观知识项增强数据，并提出了针对DSTC11的三种方法：（1）任务特定模型探索，（2）将所有生成回复中纳入最常见问题，以及（3）使用GPT-3和ChatGPT组合的瀑布式提示技术。
引用
@article{arxiv.2308.01080,
title = {Leveraging Few-Shot Data Augmentation and Waterfall Prompting for Response Generation},
author = {Lea Krause and Selene Báez Santamaría and Michiel van der Meer and Urja Khurana},
journal= {arXiv preprint arXiv:2308.01080},
year = {2023}
}
备注
DSTC11