PICLe：基于人物学习的从大语言模型中引导多样化行为
计算与语言
2024-05-15 v2 人工智能
摘要
大语言模型（LLMs）是在大规模文本语料库上训练的，这些语料库编码了多样化的性格特征。这激发了一个有趣的目标，即从 LLM 中引导所需的性格特征，并探测其行为偏好。因此，我们正式化了人物激发任务，旨在使 LLM 行为与目标人物相匹配。我们提出了基于贝叶斯推断的人物在线学习（PICLe）框架。PICLe 的核心引入了基于似然比的全新 ICL 示例选择准则，旨在最佳地引导模型以激发特定的目标人物。我们通过在三个当代 LLMs 上进行大量基准方法的广泛比较，展示了 PICLe 的有效性。代码可在 https://github.com/deeplearning-wisc/picle 获取。
引用
@article{arxiv.2405.02501,
title = {PICLe: Eliciting Diverse Behaviors from Large Language Models with Persona In-Context Learning},
author = {Hyeong Kyu Choi and Yixuan Li},
journal= {arXiv preprint arXiv:2405.02501},
year = {2024}
}
备注
ICML 2024