基于角色扮演的零样本提示在开放域人机对话中的大语言模型
计算与语言
2024-07-02 v1 人工智能
人机交互
摘要
最近提出了各种方法来创建具有大语言模型（LLM）的开放域对话代理。这些模型能够回答用户查询，但以单向Q&A格式出现，而非真正的对话。对特定数据集进行微调是常用的方式，以增加其对话能力，但成本高昂且通常仅支持少数语言。在本研究中，我们探索了一种基于角色扮演的零样本提示方法，作为一种高效且成本效益高的解决方案，用于开放域对话，采用能力强的多语言LLM（Beeching 等，2023）训练的指令遵循模型。在设计了一个提示系统后，结合指令遵循模型——此处为Vicuna（Chiang 等，2023）——可产生对话代理，这些代理在人类评估中在法语中匹配甚至超越微调模型，涉及两个不同的任务。
引用
@article{arxiv.2406.18460,
title = {Role-Play Zero-Shot Prompting with Large Language Models for Open-Domain Human-Machine Conversation},
author = {Ahmed Njifenjou and Virgile Sucal and Bassam Jabaian and Fabrice Lefèvre},
journal= {arXiv preprint arXiv:2406.18460},
year = {2024}
}
备注
Updated version of a paper originally submitted at SIGDIAL 2023