論文の概要: PaRT: Enhancing Proactive Social Chatbots with Personalized Real-Time Retrieval

• arxiv url: http://arxiv.org/abs/2504.20624v1
• Date: Tue, 29 Apr 2025 10:51:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:54.848274
• Title: PaRT: Enhancing Proactive Social Chatbots with Personalized Real-Time Retrieval
• Title（参考訳）: PaRT: 個人化されたリアルタイム検索機能を備えたプロアクティブなソーシャルチャットボット
• Authors: Zihan Niu, Zheyong Xie, Shaosheng Cao, Chonggang Lu, Zheyu Ye, Tong Xu, Zuozhu Liu, Yan Gao, Jia Chen, Zhe Xu, Yi Wu, Yao Hu,
• Abstract要約: PaRTは、個人化されたリアルタイム検索と生成を通じて、ソーシャルチャットボットのためのコンテキスト対応のプロアクティブ対話を可能にする新しいフレームワークである。 当社のアプローチは,30日以上の実運用環境で安定して動作し,対話の平均時間において21.77%の改善を実現している。
• 参考スコア（独自算出の注目度）: 31.567993758708393
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social chatbots have become essential intelligent companions in daily scenarios ranging from emotional support to personal interaction. However, conventional chatbots with passive response mechanisms usually rely on users to initiate or sustain dialogues by bringing up new topics, resulting in diminished engagement and shortened dialogue duration. In this paper, we present PaRT, a novel framework enabling context-aware proactive dialogues for social chatbots through personalized real-time retrieval and generation. Specifically, PaRT first integrates user profiles and dialogue context into a large language model (LLM), which is initially prompted to refine user queries and recognize their underlying intents for the upcoming conversation. Guided by refined intents, the LLM generates personalized dialogue topics, which then serve as targeted queries to retrieve relevant passages from RedNote. Finally, we prompt LLMs with summarized passages to generate knowledge-grounded and engagement-optimized responses. Our approach has been running stably in a real-world production environment for more than 30 days, achieving a 21.77\% improvement in the average duration of dialogues.
• Abstract（参考訳）: 社会的チャットボットは、感情的なサポートから個人の対話まで、日々のシナリオにおいて不可欠な知的な仲間になっている。 しかしながら、受動的応答機構を持つ従来のチャットボットは、通常、ユーザが新しいトピックを持ち出して対話を開始するか維持するかに頼っているため、エンゲージメントが低下し、対話期間が短縮される。 本稿では、個人化されたリアルタイム検索と生成を通じて、ソーシャルチャットボットのための文脈認識型プロアクティブ対話を可能にする新しいフレームワークPaRTを提案する。 具体的には、PaRTはまずユーザプロファイルと対話コンテキストを大きな言語モデル(LLM)に統合する。 LLMは洗練された意図によってガイドされ、パーソナライズされた対話トピックを生成し、RedNoteから関連するパスを取得するためのターゲットクエリとして機能する。 最後に,LLMに対して,知識ベースとエンゲージメントを最適化した応答を生成するよう促す。 われわれのアプローチは30日以上の実運用環境で安定して動作しており、対話の平均時間において21.77 %の改善を実現している。

関連論文リスト

• Interpersonal Memory Matters: A New Task for Proactive Dialogue Utilizing Conversational History [13.389395397698035]
  メモリ・アウェア・プロアクティブ・ダイアログ(MapDia)という新しいタスクを導入する。 そのタスクにより、自動データ構築法を提案し、中国初のメモリ対応プロアクティブデータセット(ChMapData)を作成する。 さらに、トピック要約、トピック検索、アクティブなトピックシフト検出と生成の3つのモジュールを特徴とする、検索用拡張生成(RAG)に基づくジョイントフレームワークを導入する。
  論文  参考訳（メタデータ） (2025-03-07T05:19:17Z)
• REALTALK: A 21-Day Real-World Dataset for Long-Term Conversation [51.97224538045096]
  本稿では、21日間のメッセージアプリ対話のコーパスであるREALTALKを紹介する。 EI属性とペルソナの整合性を比較し,現実世界の対話による課題を理解する。 その結果,モデルでは対話履歴のみからユーザをシミュレートすることが困難であり,特定のユーザチャットの微調整はペルソナのエミュレーションを改善することがわかった。
  論文  参考訳（メタデータ） (2025-02-18T20:29:01Z)
• 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)
• An Efficient Self-Learning Framework For Interactive Spoken Dialog Systems [18.829793635104608]
  ダイアログシステムにおけるASRの一般的なフレームワークを紹介する。 従来の学習と比較して,我々の新しいフレームワークを活用することで,実世界の対話システムにおいて比較的WERが10%近く削減されることが示されている。
  論文  参考訳（メタデータ） (2024-09-16T17:59:50Z)
• Self-Directed Turing Test for Large Language Models [56.64615470513102]
  チューリングテストは、自然言語の会話においてAIが人間のような振る舞いを示すことができるかどうかを調べる。 従来のチューリングテストでは、各参加者が1回に1つのメッセージだけを送信する厳格な対話形式を採用している。 本稿では,バーストダイアログ形式を用いた自己指示チューリングテストを提案する。
  論文  参考訳（メタデータ） (2024-08-19T09:57:28Z)
• LLM Roleplay: Simulating Human-Chatbot Interaction [52.03241266241294]
  本研究では,人間とチャットボットの対話をシミュレートする多元多元対話を自動生成する,目標指向のペルソナに基づく手法を提案する。 本手法は,人間とチャットボットの対話を高い相違率でシミュレートすることができる。
  論文  参考訳（メタデータ） (2024-07-04T14:49:46Z)
• 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)
• Dialogue-oriented Pre-training [70.03028879331339]
  一般的なプレーンテキスト上での会話特徴をシミュレートする3つの手法を提案する。 Dialog-PrLMは3つの公開マルチターン対話データセットに基づいて微調整される。
  論文  参考訳（メタデータ） (2021-06-01T12:02:46Z)
• Adding Chit-Chat to Enhance Task-Oriented Dialogues [36.93917437554091]
  Chit-Chatをタスク指向の対話に追加することで、仮想アシスタントの会話をより魅力的でインタラクティブにすることができる。 我々は,2つのタスク指向対話データセットから23.8Kの対話に,新しいチャットベースのアノテーションを提案する。 また,タスク指向対話にChit-chatを追加するための3つの新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-10-24T03:22:43Z)

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。