我们反复所为即是我们：在基于人物角色的回复中诱导与部署习惯图式
人工智能
2023-10-11 v1 计算与语言
摘要
对话技术的许多实际应用需要根据开发者指定的特定人物角色生成回复。虽然可以从近期的大语言模型（LLM）中引出各种各样的人物角色，但这些模型的不透明性与不可预测性使得能够以显式形式指定人物角色变得可取。在先前工作中，人物角色通常表示为一次性自我知识片段的集合，由对话系统检索以用于生成。然而，在真实人类对话中，人物角色往往通过涉及丰富习惯知识的叙事性故事揭示——即关于一个主体经常参与的事件类别（例如工作活动、爱好、体育运动、喜爱的娱乐等）的知识，包括这些事件的典型目标、子事件、前提与后件。我们使用显式图式表示来捕捉此类习惯知识，并提出一种对话生成方法，该方法检索相关图式以条件化一个大语言模型来生成基于人物角色的回复。此外，我们展示了一种引导创建此类图式的方法：首先从一组简单事实生成通用段落，再从生成的段落中诱导出图式。
引用
@article{arxiv.2310.06245,
title = {We are what we repeatedly do: Inducing and deploying habitual schemas in persona-based responses},
author = {Benjamin Kane and Lenhart Schubert},
journal= {arXiv preprint arXiv:2310.06245},
year = {2023}
}