基于辩论的PCoKG：人格感知常识推理

大多数常识推理模型忽略了人格特征的影响，限制了其在此类对话生成等个性化系统中的效果。为解决这一局限性，我们提出人格感知常识知识图谱（PCoKG），一个包含521,316个四元组的结构化数据集。我们首先利用三个评估者对ATOMIC数据集中的事件进行评分和筛选，筛选出可能在不同人格类型下引发多样化推理模式的事件。对于知识图谱构建，我们利用大语言模型（LLM）的角色扮演能力来执行推理任务。为提高生成知识的质量，我们引入一种辩论机制，包括倾论者、反对者和裁判者，通过反馈循环不断细化输出。我们从多个角度评估了该数据集，并使用多个LLM后端进行微调和消融实验，以评估PCoKG的鲁棒性以及其构建管道的有效性。我们的LoRA-based微调结果表明，模型性能与基础模型的参数规模呈正相关。最后，我们将PCoKG应用于基于人格的对话生成，其中它显示出生成响应与参考输出之间的一致性得到改善。本工作填补了常识推理与个体认知差异之间的鸿沟，使开发更具个人化和情境感知能力的AI系统成为可能。