論文の概要: Controllable Mixed-Initiative Dialogue Generation through Prompting

• arxiv url: http://arxiv.org/abs/2305.04147v1
• Date: Sat, 6 May 2023 23:11:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-09 17:19:19.497604
• Title: Controllable Mixed-Initiative Dialogue Generation through Prompting
• Title（参考訳）: プロンプティングによる制御可能な混合開始対話生成
• Authors: Maximillian Chen, Xiao Yu, Weiyan Shi, Urvi Awasthi, Zhou Yu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 50.03458333265885
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mixed-initiative dialogue tasks involve repeated exchanges of information and conversational control. Conversational agents gain control by generating responses that follow particular dialogue intents or strategies, prescribed by a policy planner. The standard approach has been fine-tuning pre-trained language models to perform generation conditioned on these intents. However, these supervised generation models are limited by the cost and quality of data annotation. We instead prompt large language models as a drop-in replacement to fine-tuning on conditional generation. We formalize prompt construction for controllable mixed-initiative dialogue. Our findings show improvements over fine-tuning and ground truth responses according to human evaluation and automatic metrics for two tasks: PersuasionForGood and Emotional Support Conversations.
• Abstract（参考訳）: 混合開始対話タスクは、情報の繰り返し交換と会話制御を伴う。 対話エージェントは、政策立案者が規定する特定の対話意図や戦略に従う応答を生成して制御される。 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。 しかし、これらの教師付き生成モデルは、データアノテーションのコストと品質によって制限される。 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。 制御可能な混合開始対話のための素早い構築を形式化する。 以上の結果から,人的評価による微調整と地上の真理応答の改善,および2つの課題(PersuasionForGood と Emotional Support Conversations )に対する自動測定結果が得られた。

関連論文リスト

• EM Pre-training for Multi-party Dialogue Response Generation [86.25289241604199]
  多人数対話では、応答発話の宛先を生成前に指定する必要がある。 本稿では,アドレナラベルを生成するための期待ステップを反復的に実行する期待最大化(EM)アプローチを提案する。
  論文  参考訳（メタデータ） (2023-05-21T09:22:41Z)
• Commonsense-Aware Prompting for Controllable Empathetic Dialogue Generation [1.0558951653323283]
  事前学習された言語モデルを用いた共感的対話生成を改善する新しいフレームワークを提案する。 社会的コモンセンス知識の導入と世代管理の実施が世代業績の向上に寄与することを明らかにする実験を行った。
  論文  参考訳（メタデータ） (2023-02-02T22:04:07Z)
• GODEL: Large-Scale Pre-Training for Goal-Directed Dialog [119.1397031992088]
  ダイアログのための大規模事前学習言語モデルであるGODELを紹介する。 GODELは、数ショットの微調整設定で、最先端の事前訓練ダイアログモデルより優れていることを示す。 評価手法の新たな特徴は,応答の有用性を評価するユーティリティの概念の導入である。
  論文  参考訳（メタデータ） (2022-06-22T18:19:32Z)
• Target-Guided Dialogue Response Generation Using Commonsense and Data Augmentation [32.764356638437214]
  ターゲット誘導応答生成のための新しい手法を提案する。 また,既存の対話データセットをターゲット誘導生成のために再利用する手法を提案する。 我々の作業は、一般的に、対話システムの設計者が、システムが生み出す会話をより制御できるようにします。
  論文  参考訳（メタデータ） (2022-05-19T04:01:40Z)
• "How Robust r u?": Evaluating Task-Oriented Dialogue Systems on Spoken Conversations [87.95711406978157]
  本研究は、音声タスク指向会話における新しいベンチマークを示す。 マルチドメイン対話状態追跡と知識基底型対話モデルについて検討する。 我々のデータセットは,タスク指向対話システムの音声によるベンチマークを可能にする。
  論文  参考訳（メタデータ） (2021-09-28T04:51:04Z)
• Conversational Norms for Human-Robot Dialogues [0.32228025627337864]
  本稿では,会話規範違反に対処するコンピュータ対話システムの開発を支援するために,最近開始された研究プロジェクトについて述べる。 我々のアプローチは,分散文法システム(CDGS)と連携した対話と規範をモデル化することである。
  論文  参考訳（メタデータ） (2021-03-02T13:28:18Z)
• Controlling Dialogue Generation with Semantic Exemplars [55.460082747572734]
  本稿では,経験的応答に現れる意味的フレームを用いて生成をガイドする,経験的対話生成モデルEDGEを提案する。 単語自体の単語ではなく、経験者の意味的フレームに基づく対話生成の制御により、生成した応答の一貫性が向上することを示す。
  論文  参考訳（メタデータ） (2020-08-20T17:02:37Z)
• Policy-Driven Neural Response Generation for Knowledge-Grounded Dialogue Systems [18.375851346138155]
  Seq2seqのニューラルレスポンス生成アプローチは、生成されたレスポンスの内容やスタイルを制御するための明確なメカニズムを持っていない。 本稿では、対話ポリシーを用いて、アクションプランの形式でターゲット応答の内容とスタイルを計画する。 文レベルで動作させる基本対話ポリシーは,ターンレベル生成よりも応答性がよいことを示す。
  論文  参考訳（メタデータ） (2020-05-26T06:09:57Z)
• TOD-BERT: Pre-trained Natural Language Understanding for Task-Oriented Dialogue [113.45485470103762]
  本研究では,言語モデリングのためのタスク指向対話データセットを,人間とマルチターンの9つに統合する。 事前学習時の対話動作をモデル化するために,ユーザトークンとシステムトークンをマスク付き言語モデルに組み込む。
  論文  参考訳（メタデータ） (2020-04-15T04:09:05Z)

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。