論文の概要: Redefining Proactivity for Information Seeking Dialogue
- arxiv url: http://arxiv.org/abs/2410.15297v1
- Date: Sun, 20 Oct 2024 05:57:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-22 13:21:25.311663
- Title: Redefining Proactivity for Information Seeking Dialogue
- Title(参考訳): 情報検索対話における活動性の再定義
- Authors: Jing Yang Lee, Seokhwan Kim, Kartik Mehta, Jiun-Yu Kao, Yu-Hsiang Lin, Arpit Gupta,
- Abstract要約: Information-Seeking Dialogue (ISD) エージェントは、ユーザのクエリに対して正確な応答を提供することを目的としている。
生成した各反応の「積極性」を高めることに焦点を当てた新規な積極性定義を提案する。
2,000の単ターン会話からなるプロアクティブ対話データセットを構築し、応答のプロアクティブ性を評価するためにいくつかの自動メトリクスを導入する。
- 参考スコア(独自算出の注目度): 8.986976693850869
- License:
- Abstract: Information-Seeking Dialogue (ISD) agents aim to provide accurate responses to user queries. While proficient in directly addressing user queries, these agents, as well as LLMs in general, predominantly exhibit reactive behavior, lacking the ability to generate proactive responses that actively engage users in sustained conversations. However, existing definitions of proactive dialogue in this context do not focus on how each response actively engages the user and sustains the conversation. Hence, we present a new definition of proactivity that focuses on enhancing the `proactiveness' of each generated response via the introduction of new information related to the initial query. To this end, we construct a proactive dialogue dataset comprising 2,000 single-turn conversations, and introduce several automatic metrics to evaluate response `proactiveness' which achieved high correlation with human annotation. Additionally, we introduce two innovative Chain-of-Thought (CoT) prompts, the 3-step CoT and the 3-in-1 CoT prompts, which consistently outperform standard prompts by up to 90% in the zero-shot setting.
- Abstract(参考訳): Information-Seeking Dialogue (ISD) エージェントは、ユーザのクエリに対して正確な応答を提供することを目的としている。
ユーザクエリの直接処理に長けている一方で、これらのエージェントは、一般的にはLLMと同様に、リアクティブな振る舞いを示しており、持続的な会話にユーザを積極的に関与させるプロアクティブな応答を生成する能力が欠如している。
しかし、この文脈における既存のプロアクティブ対話の定義は、各応答がどのようにユーザを活発に関与し、会話を持続するかに焦点をあてるものではない。
そこで,本研究では,初期クエリに関連する新たな情報の導入を通じて,生成した各応答の「積極性」を高めることに焦点を当てた,新たな積極性の定義を提案する。
この目的のために,2000件の単行会話からなる韻律対話データセットを構築し,人間のアノテーションと高い相関性を持つ応答「韻律性」を評価するために,いくつかの自動メトリクスを導入する。
さらに、3段階のCoTと3段階のCoTプロンプトの2つの革新的なChain-of-Thought(CoT)プロンプトを導入する。
関連論文リスト
- Learning to Clarify: Multi-turn Conversations with Action-Based Contrastive Self-Training [33.57497419019826]
アクションベースのコントラスト自己学習は、多ターン会話におけるサンプル効率のよい対話ポリシー学習を可能にする。
ACTは、教師付き微調整とDPOのための標準的なアプローチよりも、相当な会話モデリングの改善を示す。
論文 参考訳(メタデータ) (2024-05-31T22:44:48Z) - TREC iKAT 2023: The Interactive Knowledge Assistance Track Overview [11.276981461219515]
iKATは、ユーザの以前のインタラクションと現在のコンテキストに基づいて応答を適応する対話型検索エージェントの作成と研究を強調している。
実行のほとんどはパイプラインでLarge Language Models(LLM)を活用しており、いくつかはジェネレータの検索アプローチに重点を置いている。
論文 参考訳(メタデータ) (2024-01-02T18:40:03Z) - Social Commonsense-Guided Search Query Generation for Open-Domain
Knowledge-Powered Conversations [66.16863141262506]
本稿では,ソーシャルコモンセンスによってガイドされたインターネット検索クエリ生成に焦点を当てた新しいアプローチを提案する。
提案フレームワークは,トピックトラッキング,コモンセンス応答生成,命令駆動クエリ生成を統合することで,受動的ユーザインタラクションに対処する。
論文 参考訳(メタデータ) (2023-10-22T16:14:56Z) - RSVP: Customer Intent Detection via Agent Response Contrastive and
Generative Pre-Training [16.183398769581075]
RSVPはタスク指向の対話に特化した自己教師型フレームワークである。
エージェント応答を2段階的に事前訓練する。
実世界の2つのカスタマーサービスデータセットのベンチマーク結果は、RSVPが最先端のベースラインを大幅に上回っていることを示している。
論文 参考訳(メタデータ) (2023-10-15T08:21:38Z) - Prompting and Evaluating Large Language Models for Proactive Dialogues:
Clarification, Target-guided, and Non-collaboration [72.04629217161656]
本研究は, 明瞭化, 目標誘導, 非協調対話の3つの側面に焦点をあてる。
LLMの能動性を高めるために,プロアクティブ・チェーン・オブ・ソート・プロンプト方式を提案する。
論文 参考訳(メタデータ) (2023-05-23T02:49:35Z) - FCC: Fusing Conversation History and Candidate Provenance for Contextual
Response Ranking in Dialogue Systems [53.89014188309486]
複数のチャネルからコンテキスト情報を統合できるフレキシブルなニューラルネットワークフレームワークを提案する。
会話応答ランキングタスクの評価に広く用いられているMSDialogデータセット上で,本モデルの評価を行った。
論文 参考訳(メタデータ) (2023-03-31T23:58:28Z) - Interacting with Non-Cooperative User: A New Paradigm for Proactive
Dialogue Policy [83.61404191470126]
インタラクティブな環境下でプロアクティブなポリシーを学習できるI-Proという新しいソリューションを提案する。
具体的には,4つの要因からなる学習目標重みを通じてトレードオフを学習する。
実験の結果,I-Proは,有効性と解釈性において,ベースラインを著しく上回っていることがわかった。
論文 参考訳(メタデータ) (2022-04-07T14:11:31Z) - User Satisfaction Estimation with Sequential Dialogue Act Modeling in
Goal-oriented Conversational Systems [65.88679683468143]
我々は,ユーザ満足度を予測するために,対話行動の逐次的ダイナミクスを取り入れた新しいフレームワーク,すなわちUSDAを提案する。
USDAは、ユーザの満足度を予測するために、コンテンツと行動機能の連続的な遷移を対話に取り入れている。
4つのベンチマーク目標指向対話データセットによる実験結果から,提案手法はUSEの既存手法よりも大幅に優れていた。
論文 参考訳(メタデータ) (2022-02-07T02:50:07Z) - Multi-stage Clarification in Conversational AI: The case of
Question-Answering Dialogue Systems [0.27998963147546135]
対話型質問応答や会話型検索など,様々な情報検索タスクにおいて,明確化の解決が重要な役割を担っている。
そこで本稿では,質問応答対話システムのコンテキストにおいて,質問の明確化とクエリ選択を促すための多段階的明確化機構を提案する。
提案手法は,ユーザエクスペリエンス全体の改善と,競合するベースラインを2つのデータセットで比較する。
論文 参考訳(メタデータ) (2021-10-28T15:45:44Z) - Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term
Importance Estimation and Neural Query Rewriting [56.268862325167575]
マルチステージアドホックIRシステムにクエリ再構成を組み込んだ会話経路検索(ConvPR)に取り組む。
本稿では,1項の重要度推定と2項のニューラルクエリ書き換えという2つの手法を提案する。
前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。
後者では,会話クエリを,事前訓練されたシーケンス列列列モデルを用いて,自然な,スタンドアロンの,人間の理解可能なクエリに再構成する。
論文 参考訳(メタデータ) (2020-05-05T14:30:20Z)
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。