論文の概要: Context Retrieval via Normalized Contextual Latent Interaction for Conversational Agent

• arxiv url: http://arxiv.org/abs/2312.00774v1
• Date: Fri, 1 Dec 2023 18:53:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-04 13:37:14.181874
• Title: Context Retrieval via Normalized Contextual Latent Interaction for Conversational Agent
• Title（参考訳）: 会話エージェントのための正規化文脈潜在相互作用による文脈検索
• Authors: Junfeng Liu, Zhuocheng Mei, Kewen Peng, Ranga Raju Vatsavai
• Abstract要約: 本稿では,会話応答の質を向上させるために,関連情報を正確かつ効率的に識別できる新しい手法であるPK-NCLIを提案する。 実験の結果, PK-NCLIは, 難易度, 知識基盤, 訓練効率において, 最先端のPK-FoCuよりも優れていた。
• 参考スコア（独自算出の注目度）: 3.9635467316436133
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Conversational agents leveraging AI, particularly deep learning, are emerging in both academic research and real-world applications. However, these applications still face challenges, including disrespecting knowledge and facts, not personalizing to user preferences, and enormous demand for computational resources during training and inference. Recent research efforts have been focused on addressing these challenges from various aspects, including supplementing various types of auxiliary information to the conversational agents. However, existing methods are still not able to effectively and efficiently exploit relevant information from these auxiliary supplements to further unleash the power of the conversational agents and the language models they use. In this paper, we present a novel method, PK-NCLI, that is able to accurately and efficiently identify relevant auxiliary information to improve the quality of conversational responses by learning the relevance among persona, chat history, and knowledge background through low-level normalized contextual latent interaction. Our experimental results indicate that PK-NCLI outperforms the state-of-the-art method, PK-FoCus, by 47.80%/30.61%/24.14% in terms of perplexity, knowledge grounding, and training efficiency, respectively, and maintained the same level of persona grounding performance. We also provide a detailed analysis of how different factors, including language model choices and trade-offs on training weights, would affect the performance of PK-NCLI.
• Abstract（参考訳）: AIを活用する会話エージェント、特にディープラーニングは、学術研究と現実世界のアプリケーションの両方に現れている。 しかしながら、これらのアプリケーションは、知識や事実を軽視すること、ユーザの好みをパーソナライズしないこと、トレーニングや推論中に計算リソースの膨大な需要など、依然として課題に直面している。 近年,会話エージェントに様々な補助情報を補うなど,様々な側面からこれらの課題に対処する研究が進められている。 しかし、既存の手法では、これらの補助サプリメントの関連情報を効果的かつ効率的に活用できないため、会話エージェントとその使用する言語モデルの力を更に解き放つことができる。 本稿では,人間,チャット履歴,知識背景の関連性を低レベル正規化コンテキスト潜在インタラクションを通じて学習することにより,適切な補助情報を正確かつ効率的に識別し,会話応答の質を向上させる新しい手法であるpk-ncliを提案する。 実験の結果, PK-NCLIはPK-FoCusよりも47.80%/30.61%/24.14%, 難易度, 知識基盤, 訓練効率が優れ, 同一の対人グラウンド性能を維持した。 また,言語モデルの選択やトレーニング重量のトレードオフなど,さまざまな要因がPK-NCLIの性能に与える影響を詳細に分析する。

関連論文リスト

• Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
  多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。 この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。 実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-07T21:37:51Z)
• AI Conversational Interviewing: Transforming Surveys with LLMs as Adaptive Interviewers [40.80290002598963]
  本研究では,人間のインタビュアーを大規模言語モデル (LLM) に置き換えて,スケーラブルな対話型インタビュアーを実現する可能性について検討する。 大学生を対象に,AIとヒューマンインタビュアーの双方にランダムにインタビューを依頼された学生を対象に,小規模で詳細な調査を行った。 様々な量的・質的な尺度は, インタビュアーのガイドライン, 応答品質, 参加者参加率, 総合的な面接効果に順応した。
  論文  参考訳（メタデータ） (2024-09-16T16:03:08Z)
• Large Language Models are Limited in Out-of-Context Knowledge Reasoning [65.72847298578071]
  大規模言語モデル (LLMs) は、文脈内推論の実行において広範な知識と強力な能力を持っている。 本稿では、複数の知識を組み合わせて新しい知識を推論する、文脈外知識推論(OCKR)という、文脈外推論の重要な側面に焦点を当てる。
  論文  参考訳（メタデータ） (2024-06-11T15:58:59Z)
• Explainable Few-shot Knowledge Tracing [48.877979333221326]
  本稿では,学生の記録から学生の知識をトラッキングし,自然言語による説明を提供する認知誘導フレームワークを提案する。 3つの広く使われているデータセットによる実験結果から、LLMは競合する深層知識追跡手法に匹敵する、あるいは優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2024-05-23T10:07:21Z)
• Narrative Action Evaluation with Prompt-Guided Multimodal Interaction [60.281405999483]
  ナラティブ・アクション・アセスメント(NAE)は、行動の実行を評価する専門家のコメントを作成することを目的としている。 NAEは、物語の柔軟性と評価の厳格さの両方を必要とするため、より困難なタスクです。 本稿では,様々な情報モダリティ間のインタラクションを容易にするための,プロンプト誘導型マルチモーダルインタラクションフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-22T17:55:07Z)
• Prompting Explicit and Implicit Knowledge for Multi-hop Question Answering Based on Human Reading Process [6.394137489788181]
  心理学的研究は、通過中の明示的な情報と読書中の人間の事前知識の間に重要なつながりがあることを示唆している。 本稿では,明示的知識と暗黙的知識を結び付けるためにプロンプトを利用するPmpting Explicit and Implicit Knowledge (PEI)フレームワークを提案する。 我々のモデルは、暗黙の知識の形式であるプロンプトによる型固有の推論を取り入れている。
  論文  参考訳（メタデータ） (2024-02-29T16:56:36Z)
• Conversational Assistants in Knowledge-Intensive Contexts: An Evaluation of LLM- versus Intent-based Systems [8.88228247647452]
  言語モデル(LLM)により、会話アシスタント(CA)はより柔軟で人間的な方法で会話できる。 LLMは、インテントベースのシステムよりも優れたユーザエクスペリエンス、タスク完了率、ユーザビリティ、認識パフォーマンスを示した。
  論文  参考訳（メタデータ） (2024-02-07T15:39:07Z)
• Persona-Coded Poly-Encoder: Persona-Guided Multi-Stream Conversational Sentence Scoring [4.454629320045368]
  本稿では,対話における応答生成の質を向上させるために,多ストリーム符号化方式におけるペルソナ情報を活用するペルソナ符号ポリエンコーダを提案する。 実験結果と分析により,本手法はBLEUスコアとHR@1の3.32%,2.94%の会話品質を向上できることが示された。
  論文  参考訳（メタデータ） (2023-09-28T18:07:01Z)
• Interactive Natural Language Processing [67.87925315773924]
  対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。 本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
  論文  参考訳（メタデータ） (2023-05-22T17:18:29Z)
• Knowledge-Grounded Dialogue Generation with a Unified Knowledge Representation [78.85622982191522]
  既存のシステムは、トレーニングデータでカバーされる限られたトピックのために、目に見えないトピックでうまく機能しない。 本稿では,異なる知識源を均質化した言語モデルであるPLUGについて述べる。 完全に教師された設定の下で最先端のメソッドと同等のパフォーマンスを達成することができる。
  論文  参考訳（メタデータ） (2021-12-15T07:11:02Z)

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。