Sibyl：通过合理且前瞻的常识推理增强大语言模型的共情对话生成
计算与语言
2025-01-22 v5
摘要
近来，基于大语言模型(LLMs)构建聊天机器人以在多轮对话中模拟类人特质引起了高度关注。尽管可借助常识知识更好地理解对话语境的心理层面与因果关联，即便是这些强大的LLM也难以达成共情与情感支持的目标。当前从对话语境中导出的常识知识本身存在局限，往往无法充分预见对话的未来走向。这种前瞻的缺失会误导LLM并妨碍其提供有效支持的能力。针对此挑战，我们提出一种名为合理且前瞻常识知识(Sibyl)的创新框架。该范式专注于紧接其后的对话，赋予LLM发掘对话隐含需求的能力，旨在引出更具共情的回复。实验结果表明，将我们获取常识知识的范式融入LLM可全面提升了其回复质量。
引用
@article{arxiv.2311.15316,
title = {Sibyl: Empowering Empathetic Dialogue Generation in Large Language Models via Sensible and Visionary Commonsense Inference},
author = {Lanrui Wang and Jiangnan Li and Chenxu Yang and Zheng Lin and Hongyin Tang and Huan Liu and Yanan Cao and Jingang Wang and Weiping Wang},
journal= {arXiv preprint arXiv:2311.15316},
year = {2025}
}
备注
Accepted by COLING 2025