多会话对话生成的后人设对齐

基于人设的多会话对话生成面临在长期一致性维护以及生成多样化和个性化响应方面的挑战。虽然大语言模型(LLMs)在单会话对话中表现出色，但它们难以在扩展交互中保持人设保真度和对话连贯性。现有方法通常在响应生成之前检索人设信息，这可能限制多样性并导致通用输出。我们提出后人设对齐(PPA)，一种新颖的两阶段框架，它反转了这一过程。PPA首先仅基于对话上下文生成通用响应，然后以该响应为查询检索相关人设记忆，最后对响应进行精炼以对齐说话者的人设。这种事后对齐策略在保持连贯性和个性化的同时促进了自然性和多样性。在多会话LLM生成对话数据上的实验表明，PPA在一致性、多样性和人设相关性方面显著优于先前方法，为长期个性化对话生成提供了一种更灵活、更有效的范式。