Fugu-MT 論文翻訳(概要): Injecting Salesperson's Dialogue Strategies in Large Language Models with Chain-of-Thought Reasoning

論文の概要: Injecting Salesperson's Dialogue Strategies in Large Language Models with Chain-of-Thought Reasoning

arxiv url: http://arxiv.org/abs/2404.18564v1
Date: Mon, 29 Apr 2024 10:12:04 GMT
ステータス: 処理完了
システム内更新日: 2024-04-30 14:07:29.233423
Title: Injecting Salesperson's Dialogue Strategies in Large Language Models with Chain-of-Thought Reasoning
Title（参考訳）: チェーン・オブ・ソート推論を用いた大規模言語モデルにおけるセールスパーソンの対話戦略の注入
Authors: Wen-Yu Chang, Yun-Nung Chen,
Abstract要約: SalesBotは、Chit-chatからタスク指向のシナリオへ移行し、セールスエージェントをトレーニングする対話をシミュレートする。最初のデータはスムーズなトランジションとコヒーレントなロングターンダイアログを欠いていたため、セールス・カストマー相互作用の自然性が低かった。営業担当者のインタラクションを学習し,チェーン・オブ・ソート(CoT)推論を用いた新しいモデル「SalesAgent」を紹介した。
参考スコア（独自算出の注目度）: 23.919423630938226
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recent research in dialogue systems and corpora has focused on two main categories: task-oriented (TOD) and open-domain (chit-chat) dialogues. TOD systems help users accomplish specific tasks, while open-domain systems aim to create engaging conversations. However, in real-world scenarios, user intents are often revealed during interactions. A recent study introduced SalesBot, which simulates dialogues transitioning from chit-chat to task-oriented scenarios to train sales agents. Unfortunately, the initial data lacked smooth transitions and coherent long-turn dialogues, resulting in poor naturalness in sales-customer interactions. To address these issues, this paper presents SalesBot 2.0, an improved dataset. It leverages commonsense knowledge from large language models (LLMs) through strategic prompting. Additionally, we introduce a novel model called SalesAgent, trained on salesperson's interactions, using chain-of-thought (CoT) reasoning. This model excels in transitioning topics, understanding user intents, and selecting appropriate strategies. Experiments using diverse user simulations validate the effectiveness of our method in controlling dialogue strategies in LLMs. Furthermore, SalesBot 2.0 enhances coherence and reduces aggression, facilitating better model learning for sales-customer interactions.
Abstract（参考訳）: 対話システムとコーパスの最近の研究は、タスク指向(TOD)とオープンドメイン(チップチャット)の2つの主要なカテゴリに焦点を当てている。 TODシステムはユーザが特定のタスクを遂行するのに役立つ。しかし、現実のシナリオでは、対話中にユーザ意図が明らかになることが多い。これは、チャットからタスク指向のシナリオへ移行し、セールスエージェントを訓練する対話をシミュレートするものだ。残念ながら、最初のデータはスムーズなトランジションとコヒーレントなロングターンダイアログを欠いていたため、セールス・カストマー相互作用の自然性は低かった。これらの問題に対処するために、改良されたデータセットであるSalesBot 2.0を提案する。戦略的なプロンプトを通じて、大きな言語モデル(LLM)からのコモンセンス知識を活用する。さらに,営業担当者のインタラクションに基づいて,チェーン・オブ・ソート(CoT)推論を用いてトレーニングした,SalesAgentという新しいモデルを導入する。このモデルは、トピックの移行、ユーザの意図の理解、適切な戦略の選択に優れています。多様なユーザシミュレーションを用いた実験は,LLMにおける対話戦略の制御における本手法の有効性を検証した。さらに、SalesBot 2.0はコヒーレンスを強化し、攻撃性を低減し、セールス-顧客インタラクションのためのモデル学習を改善する。

関連論文リスト

Multi-User MultiWOZ: Task-Oriented Dialogues among Multiple Users [51.34484827552774]
マルチユーザMulti-User MultiWOZデータセットを2つのユーザと1つのエージェント間のタスク指向対話としてリリースする。これらの対話は、タスク指向のシナリオにおける協調的な意思決定の興味深いダイナミクスを反映している。本稿では,複数ユーザ間のタスク指向のチャットを簡潔なタスク指向のクエリとして書き換える,マルチユーザコンテキストクエリ書き換えの新しいタスクを提案する。
論文参考訳（メタデータ） (2023-10-31T14:12:07Z)
Salespeople vs SalesBot: Exploring the Role of Educational Value in Conversational Recommender Systems [78.84530426424838]
既存の会話レコメンデータシステムは、ユーザのバックグラウンド知識の欠如をよく見落とし、好みの収集にのみ焦点をあてる。このようなシステムのシミュレーションと評価を容易にするフレームワークであるSalesOpsを紹介する。私たちは、フレームワークの両側をシミュレートできるLLMベースのエージェントであるSalesBotとShopperBotを構築しています。
論文参考訳（メタデータ） (2023-10-26T19:44:06Z)
SalesBot 2.0: A Human-Like Intent-Guided Chit-Chat Dataset [28.257630375747606]
本稿では,大規模言語モデル(LLM)の共通知識を適切なプロンプトによって活用することにより,公開データの改訂版であるSalesBot 2.0を構築することを目的とする。詳細なアノテーションを備えた新たにリリースされた大規模なデータセットは、トピック間のスムーズな移行を示し、自然性や一貫性の観点からは人間らしくなっている。
論文参考訳（メタデータ） (2023-08-28T02:48:49Z)
Manual-Guided Dialogue for Flexible Conversational Agents [84.46598430403886]
対話データを効率的に構築し、利用する方法や、さまざまなドメインにモデルを大規模にデプロイする方法は、タスク指向の対話システムを構築する上で重要な問題である。エージェントは対話とマニュアルの両方からタスクを学習する。提案手法は,詳細なドメインオントロジーに対する対話モデルの依存性を低減し,様々なドメインへの適応をより柔軟にする。
論文参考訳（メタデータ） (2022-08-16T08:21:12Z)
DialogVED: A Pre-trained Latent Variable Encoder-Decoder Model for Dialog Response Generation [80.45816053153722]
DialogVEDは、拡張エンコーダデコーダ事前トレーニングフレームワークに連続潜伏変数を導入し、応答の関連性と多様性を高める。我々は,PersonaChat,DailyDialog,DSTC7-AVSDベンチマークを用いて応答生成実験を行った。
論文参考訳（メタデータ） (2022-04-27T16:18:15Z)
SalesBot: Transitioning from Chit-Chat to Task-Oriented Dialogues [22.89699254073016]
ソーシャルチャットからタスク指向対話へのスムーズな移行は、ビジネスチャンスの引き金になる上で重要である。本稿では,人間の介在なく多数の対話を自動生成するフレームワークを提案する。公表されたデータは、将来の研究方向と商業活動のガイドとなる大きな可能性を秘めている。
論文参考訳（メタデータ） (2022-04-22T09:31:13Z)
Smoothing Dialogue States for Open Conversational Machine Reading [70.83783364292438]
本稿では,2つの対話状態を1つのデコーダとブリッジ決定と質問生成でスムーズにすることで,効果的なゲーティング戦略を提案する。 OR-ShARCデータセットを用いた実験により,本手法の有効性が示された。
論文参考訳（メタデータ） (2021-08-28T08:04:28Z)
Transferable Dialogue Systems and User Simulators [17.106518400787156]
対話システムのトレーニングの難しさの1つは、トレーニングデータの欠如である。本稿では,対話システムとユーザシミュレータ間の対話を通して対話データを作成する可能性について検討する。我々は,2つのエージェント間のセルフプレイを通じて,新たな対話シナリオを組み込むことのできるモデリングフレームワークを開発する。
論文参考訳（メタデータ） (2021-07-25T22:59:09Z)
Data-Efficient Methods for Dialogue Systems [4.061135251278187]
会話型ユーザインタフェース(CUI)は、SiriやAlexaといったコンシューマにフォーカスした製品において、日常的に広く普及している。ディープラーニングは、対話システムにおける最近のブレークスルーの根底にあるが、専門家によって注釈付けされることが多い、非常に大量のトレーニングデータを必要とする。本稿では,最小限のデータから頑健な対話システムを訓練するための一連の手法を紹介する。
論文参考訳（メタデータ） (2020-12-05T02:51:09Z)
Improving Dialogue Breakdown Detection with Semi-Supervised Learning [7.7914806980889875]
そこで本研究では,セミ教師あり学習手法を用いて対話分解の検出を改善することを提案する。本研究は,DBDC(Dilogue Breakdown Detection Challenge)英語共有タスクにおいて,これらの手法の有効性を示す。
論文参考訳（メタデータ） (2020-10-30T23:04:56Z)
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。