論文の概要: Building Better AI Agents: A Provocation on the Utilisation of Persona in LLM-based Conversational Agents

• arxiv url: http://arxiv.org/abs/2407.11977v1
• Date: Sun, 26 May 2024 11:36:48 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-22 11:50:18.593077
• Title: Building Better AI Agents: A Provocation on the Utilisation of Persona in LLM-based Conversational Agents
• Title（参考訳）: より良いAIエージェントの構築: LLMベースの会話エージェントにおけるペルソナの利用に関する挑発
• Authors: Guangzhi Sun, Xiao Zhan, Jose Such,
• Abstract要約: 本稿では,ユニークなペルソナを付与するCAの理屈と意味を考察することから始める。 ペルソナの実装が単に有益であるだけでなく、LCMベースのCAにとって重要なアプリケーションについても検討する。 この論文は、ペルソナ統合に対するニュアンスなアプローチの必要性を強調し、起こりうる潜在的な課題と倫理的ジレンマを強調している。
• 参考スコア（独自算出の注目度）: 4.8916211213796394
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The incorporation of Large Language Models (LLMs) such as the GPT series into diverse sectors including healthcare, education, and finance marks a significant evolution in the field of artificial intelligence (AI). The increasing demand for personalised applications motivated the design of conversational agents (CAs) to possess distinct personas. This paper commences by examining the rationale and implications of imbuing CAs with unique personas, smoothly transitioning into a broader discussion of the personalisation and anthropomorphism of CAs based on LLMs in the LLM era. We delve into the specific applications where the implementation of a persona is not just beneficial but critical for LLM-based CAs. The paper underscores the necessity of a nuanced approach to persona integration, highlighting the potential challenges and ethical dilemmas that may arise. Attention is directed towards the importance of maintaining persona consistency, establishing robust evaluation mechanisms, and ensuring that the persona attributes are effectively complemented by domain-specific knowledge.
• Abstract（参考訳）: GPTシリーズのような大規模言語モデル(LLM)を医療、教育、金融など様々な分野に組み込むことは、人工知能(AI)分野において大きな進化を遂げている。 パーソナライズされたアプリケーションに対する需要が増大し、会話エージェント(CA)が別々のペルソナを持つようになった。 本稿は, LLM時代のLCMに基づくCAの個人化と人格化に関するより広い議論に移行し, ユニークなペルソナを持つCAの合理的性と意味を考察することによって開始する。 ペルソナの実装が単に有益であるだけでなく、LCMベースのCAにとって重要なアプリケーションについても検討する。 この論文は、ペルソナ統合に対するニュアンスなアプローチの必要性を強調し、起こりうる潜在的な課題と倫理的ジレンマを強調している。 注意は、ペルソナの一貫性を維持し、堅牢な評価機構を確立し、ペルソナ属性がドメイン固有の知識によって効果的に補完されることを保証することの重要性に向けられている。

関連論文リスト

• PersLLM: A Personified Training Approach for Large Language Models [63.75008885222351]
  社会実践, 一貫性, 動的発達という, 心理学に根ざした個性の原則を統合したPersLLMを提案する。 モデルパラメータに直接パーソナリティ特性を組み込み、誘導に対するモデルの抵抗性を高め、一貫性を高め、パーソナリティの動的進化を支援する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• The Impossibility of Fair LLMs [59.424918263776284]
  大規模言語モデル(LLM)の時代において、公正なAIの必要性はますます明確になっている。 我々は、機械学習研究者が公正性を評価するために使った技術フレームワークについてレビューする。 我々は、特定のユースケースにおける公平性を達成するためのより現実的な目標のためのガイドラインを策定する。
  論文  参考訳（メタデータ） (2024-05-28T04:36:15Z)
• From Persona to Personalization: A Survey on Role-Playing Language Agents [52.783043059715546]
  大規模言語モデル(LLM)の最近の進歩はロールプレイング言語エージェント(RPLA)の台頭を後押ししている。 RPLAは、人間の類似性と鮮明なロールプレイングパフォーマンスの素晴らしい感覚を達成します。 彼らは感情的な仲間、インタラクティブなビデオゲーム、パーソナライズされたアシスタント、コピロなど、多くのAI応用を触媒してきた。
  論文  参考訳（メタデータ） (2024-04-28T15:56:41Z)
• Inadequacies of Large Language Model Benchmarks in the Era of Generative Artificial Intelligence [5.454656183053655]
  我々は23の最先端のLarge Language Modelsベンチマークを批判的に評価する。 私たちの研究は、偏見、真の推論を測ることの難しさなど、重大な制限を発見しました。 静的ベンチマークから動的行動プロファイリングへの進化を提唱する。
  論文  参考訳（メタデータ） (2024-02-15T11:08:10Z)
• Professional Agents -- Evolving Large Language Models into Autonomous Experts with Human-Level Competencies [28.492095703621267]
  本稿では,プロフェッショナルエージェント(PAgents)の概念を紹介する。 提案するPAgentsフレームワークは, 生成, 進化, シナジーのための三層構造である。 我々は、PAgentの高度化と統合が、複雑なドメインに対する専門的な熟達を示すAIシステムに繋がる可能性があると主張している。
  論文  参考訳（メタデータ） (2024-02-06T01:48:53Z)
• CLOMO: Counterfactual Logical Modification with Large Language Models [109.60793869938534]
  本稿では,新しいタスク,CLOMO(Counterfactual Logical Modification)と高品質な人間アノテーションベンチマークを紹介する。 このタスクでは、LLMは所定の論理的関係を維持するために、与えられた議論的テキストを順応的に変更しなければなりません。 LLMの自然言語出力を直接評価する革新的な評価指標である自己評価スコア(SES)を提案する。
  論文  参考訳（メタデータ） (2023-11-29T08:29:54Z)
• An In-depth Survey of Large Language Model-based Artificial Intelligence Agents [11.774961923192478]
  LLMベースのAIエージェントと従来のAIエージェントの主な違いと特徴について検討した。 我々は、計画、記憶、ツール使用を含むAIエージェントの重要なコンポーネントについて、詳細な分析を行った。
  論文  参考訳（メタデータ） (2023-09-23T11:25:45Z)
• The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
  大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。 単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
  論文  参考訳（メタデータ） (2023-09-14T17:12:03Z)
• Towards LLM-based Autograding for Short Textual Answers [4.853810201626855]
  この写本は、自動階調のための大きな言語モデルの評価である。 のLCMは貴重なツールであるが、独立した自動グルーピングのための準備がまだ進行中であることを示唆している。
  論文  参考訳（メタデータ） (2023-09-09T22:25:56Z)
• Principle-Driven Self-Alignment of Language Models from Scratch with Minimal Human Supervision [84.31474052176343]
  ChatGPTのような最近のAIアシスタントエージェントは、人間のアノテーションと人間のフィードバックからの強化学習を教師付き微調整(SFT)に頼り、アウトプットを人間の意図に合わせる。 この依存は、人間の監督を得るために高いコストがかかるため、AIアシスタントエージェントの真の可能性を大幅に制限することができる。 本稿では,AIエージェントの自己調整と人間監督の最小化のために,原則駆動推論とLLMの生成能力を組み合わせたSELF-ALIGNという新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-05-04T17:59:28Z)

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。