MoCoRP: 建模人格与回复之间的一致关系以实现基于人格的对话

随着对话系统在各个领域变得越来越重要，基于人格的对话中的一个关键挑战是生成引人入胜且上下文特定的交互，同时确保模型表现出连贯的人格。然而，现有的基于人格的对话数据集缺乏人格句子与回复之间的显式关系，这使得模型难以有效地捕捉人格信息。为了解决这些问题，我们提出了 MoCoRP（Modeling Consistent Relations between Persona and Response），一个将显式关系融入语言模型的框架。MoCoRP 利用自然语言推理（NLI）专家显式提取人格句子与回复之间的 NLI 关系，使模型能够有效地将适当的人格信息从上下文融入其回复中。我们将该框架应用于 BART 等预训练模型，并通过对齐调优进一步扩展到现代大语言模型（LLMs）。在公开数据集 ConvAI2 和 MPChat 上的实验结果表明，MoCoRP 超越了现有基线，实现了卓越的人格一致性和引人入胜的上下文感知对话生成。此外，我们的模型不仅在定量指标上表现出色，而且在定性方面也有显著提升。这些结果凸显了在基于人格的对话中显式建模人格-回复关系的有效性。MoCoRP 的源代码发布在 https://github.com/DMCB-GIST/MoCoRP。