个性化对话生成的最新趋势：数据集、方法与评估综述

随着生成式大语言模型能够生成流畅的响应，通过个性化提升用户参与度已变得日益重要。然而，个性化对话生成是多方面的，其定义范围广泛，从在代理人中植入人格到捕捉用户的明确和隐式线索。本文旨在系统性地调查个性化对话生成的最新格局，包括所使用的数据集、所发展的方法论以及所采用的评估指标。我们涵盖了22个数据集，突出显示基准数据集以及具有额外特征的较新数据集。我们进一步分析了2021-2023年期间在顶级会议上发表的17篇重要著作，识别出五种不同类型的问题。我们还揭示了大语言模型在个性化对话生成方面的最新进展。我们的评估部分提供了这些作品所利用的评估维度和指标的综合概述。总体而言，我们讨论了当前面临的挑战，并展望了未来在个性化对话生成领域的研究方向。