論文の概要: Transferable Persona-Grounded Dialogues via Grounded Minimal Edits

• arxiv url: http://arxiv.org/abs/2109.07713v1
• Date: Thu, 16 Sep 2021 04:15:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-18 01:29:07.278014
• Title: Transferable Persona-Grounded Dialogues via Grounded Minimal Edits
• Title（参考訳）: グラウンドドミニマル編集による移動可能なペルソナ・グラウンド対話
• Authors: Chen Henry Wu, Yinhe Zheng, Xiaoxi Mao, Minlie Huang
• Abstract要約: 接地対話モデルは特定の概念に基づいて応答を生成する。 グラウンドド・ミニマルエディタ(GME)は、応答のペルソナ関連およびペルソナ非依存部分の分離と再結合によって編集を学ぶ。 GMEは対話モデルの応答を編集し、知識と共感の活用を保ちながら、そのペルソナの一貫性を大幅に改善できることを示す。
• 参考スコア（独自算出の注目度）: 32.05810343280241
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Grounded dialogue models generate responses that are grounded on certain concepts. Limited by the distribution of grounded dialogue data, models trained on such data face the transferability challenges in terms of the data distribution and the type of grounded concepts. To address the challenges, we propose the grounded minimal editing framework, which minimally edits existing responses to be grounded on the given concept. Focusing on personas, we propose Grounded Minimal Editor (GME), which learns to edit by disentangling and recombining persona-related and persona-agnostic parts of the response. To evaluate persona-grounded minimal editing, we present the PersonaMinEdit dataset, and experimental results show that GME outperforms competitive baselines by a large margin. To evaluate the transferability, we experiment on the test set of BlendedSkillTalk and show that GME can edit dialogue models' responses to largely improve their persona consistency while preserving the use of knowledge and empathy.
• Abstract（参考訳）: 接地対話モデルは、ある概念に基づく応答を生成する。 接地された対話データの分布によって制限され、そのようなデータで訓練されたモデルは、データ分布と接地された概念のタイプの観点から、転送可能性の課題に直面している。 そこで本研究では,既存の応答を最小限に編集し,与えられた概念に基づく最小編集フレームワークを提案する。 パーソナラに焦点をあてて,パーソナラ関連部分とパーソナ非依存部分の分離と組換えによって編集を学ぶ,グラウンドド・ミニマム・エディタ(gme)を提案する。 人為的な最小限の編集を評価するため,PersonaMinEditデータセットを提示し,実験結果から,GMEが競争ベースラインをはるかに上回ることを示す。 トランスファー可能性を評価するために,mixedskilltalkのテストセットを実験し,gmeが対話モデルの応答を編集し,知識と共感の使用を保ちながら,パーソナライズ性を大幅に向上できることを示した。

関連論文リスト

• It Couldn't Help But Overhear: On the Limits of Modelling Meta-Communicative Grounding Acts with Supervised Learning [19.812562421377706]
  オーバーハーナーは、下手な行為を行う特権を剥奪され、意図した意味についてしか推測できない。 人間のメタコミュニケーション行為をデータ駆動学習モデルで適切にモデル化することは不可能であることを示す証拠が存在する。 最も重要なことは、このトピックをコミュニティのテーブルに持ち帰り、モデルが単に"参加"するようにデザインされた結果について、議論を奨励したいということです。
  論文  参考訳（メタデータ） (2024-05-02T09:55:19Z)
• WHAT, WHEN, and HOW to Ground: Designing User Persona-Aware Conversational Agents for Engaging Dialogue [4.328280329592151]
  本稿では,WWH問題に対処するオープンドメイン対話システムを構築する方法を提案する。 提案手法は、重み付けされたデータセットブレンディング、ネガティブなペルソナ情報拡張方法、パーソナライズされた会話データセットの設計を含む。 本研究は,対話の流速と接地傾向のバランスを効果的に保ちつつ,接地応答の制御性と説明性を向上させるための応答型ラベルを導入する。
  論文  参考訳（メタデータ） (2023-06-06T02:28:38Z)
• Controllable Mixed-Initiative Dialogue Generation through Prompting [50.03458333265885]
  混合開始対話タスクには、情報の繰り返し交換と会話制御が含まれる。 エージェントは、ポリシープランナーが定める特定の対話意図や戦略に従う応答を生成することにより、コントロールを得る。 標準的なアプローチは、これらの意図に基づいて生成条件を実行するために、訓練済みの言語モデルを微調整している。 代わりに、条件生成の微調整に代えて、大きな言語モデルをドロップインで置き換えるように促します。
  論文  参考訳（メタデータ） (2023-05-06T23:11:25Z)
• Memory-Based Model Editing at Scale [102.28475739907498]
  既存のモデルエディタは、編集対象のスコープを正確にモデル化するのに苦労する。 SERAC(Retrieval-Augmented Counterfactal Model)を用いた半パラメトリック編集を提案する。 SERACは、編集を明示的なメモリに格納し、必要に応じてベースモデルの予測を変更できるように、それらを推論することを学ぶ。
  論文  参考訳（メタデータ） (2022-06-13T23:40:34Z)
• A Model-Agnostic Data Manipulation Method for Persona-based Dialogue Generation [107.82729587882397]
  現在のペルソナベースの対話データセットのスケールアップには費用がかかる。 このタスクの各データサンプルは、従来の対話データよりも複雑である。 本稿では,ペルソナをベースとした対話生成モデルにおいて,モデルに依存しないデータ操作手法を提案する。
  論文  参考訳（メタデータ） (2022-04-21T03:49:54Z)
• Dual Task Framework for Debiasing Persona-grounded Dialogue Dataset [17.403065663306567]
  我々は、ペルソナ条件の対話エージェントを改善するために、データ中心のアプローチを導入する。 具体的には,2つのタスクの原始的双対構造を活用することで,対話データセット/エージェントを改善するための関連するペルソナを強化する。 Persona-Chat の実験により,本手法は訓練済みの LM よりも精度が 11.7 ポイント向上していることが示された。
  論文  参考訳（メタデータ） (2022-02-11T04:08:46Z)
• LaMDA: Language Models for Dialog Applications [75.75051929981933]
  LaMDAは、ダイアログに特化したトランスフォーマーベースのニューラルネットワークモデルのファミリーである。 注釈付きデータで微調整し、モデルが外部の知識ソースを参照できるようにすると、大幅な改善がもたらされる。
  論文  参考訳（メタデータ） (2022-01-20T15:44:37Z)
• Adaptive Bridge between Training and Inference for Dialogue [36.64781557775641]
  そこで本研究では,新たな適応型スイッチング機構を提案する。 提案手法は,メートル法に基づく評価と人的評価の観点から,大幅な改善を実現している。
  論文  参考訳（メタデータ） (2021-10-22T02:43:27Z)
• Dialogue Response Ranking Training with Large-Scale Human Feedback Data [52.12342165926226]
  ソーシャルメディアのフィードバックデータを利用して、フィードバック予測のための大規模なトレーニングデータセットを構築します。 我々は,1300万対の人間のフィードバックデータに基づくGPT-2モデルであるDialogRPTを訓練した。 我々のランキングは、Redditのフィードバックを予測する上で、従来のダイアログの難易度ベースラインよりも優れています。
  論文  参考訳（メタデータ） (2020-09-15T10:50:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。