基于提示的蒙特卡洛树搜索用于目标导向对话策略规划
计算与语言
2023-10-23 v2
摘要
目标导向对话的规划常需模拟未来对话交互并估计任务进展。许多方法因而考虑训练神经网络来执行前瞻搜索算法，如 A* 搜索与蒙特卡洛树搜索（MCTS）。然而，此类训练常需大量标注数据，在存在噪声标注或低资源场景下构成挑战。我们提出 GDP-Zero，一种利用开环 MCTS 进行目标导向对话策略规划且无需任何模型训练的方法。GDP-Zero 在树搜索过程中提示大语言模型充当策略先验、价值函数、用户模拟器与系统模型。我们在目标导向任务 PersuasionForGood 上评估 GDP-Zero，发现其回复至多 59.32% 的时间优于 ChatGPT，且在交互式评估中被评比为比 ChatGPT 更具说服力。
引用
@article{arxiv.2305.13660,
title = {Prompt-Based Monte-Carlo Tree Search for Goal-Oriented Dialogue Policy Planning},
author = {Xiao Yu and Maximillian Chen and Zhou Yu},
journal= {arXiv preprint arXiv:2305.13660},
year = {2023}
}
备注
Accepted at EMNLP 2023