多维度提示链以提高开放域对话生成质量
计算与语言
2026-01-06 v1 人工智能
摘要
小型语言模型（SLMs）具有显著的部署优势，但在开放域场景中常与大型模型的对话质量不相称。本文提出一种多维度提示链框架，将自然性、连贯性和吸引力三个维度整合到开放域对话生成中，以提升其人类化水平。我们将该框架应用于两种SLMs，TinyLlama和Llama-2-7B，并将其性能基准测试于显著更大的模型，包括Llama-2-70B和GPT-3.5 Turbo。随后，我们采用自动评估和人类评估依据多样性、情境连贯性以及整体质量评估所得响应。结果表明，完整框架可使响应多样性提升最高29%，情境连贯性提升最高28%，吸引力和自然性提升最高29%。值得注意的是，Llama-2-7B的性能可与显著更大的模型（包括Llama-2-70B和GPT-3.5 Turbo）相当。总体而言，本文的发现表明，精心设计的基于提示的策略为提升SLMs在开放域对话中的质量提供了一种有效且资源高效的路径。
引用
@article{arxiv.2601.01037,
title = {Multi-Dimensional Prompt Chaining to Improve Open-Domain Dialogue Generation},
author = {Livia Leong Hui Teng},
journal= {arXiv preprint arXiv:2601.01037},
year = {2026}
}