論文の概要: When Harry Meets Superman: The Role of The Interlocutor in Persona-Based Dialogue Generation
- arxiv url: http://arxiv.org/abs/2505.24613v1
- Date: Fri, 30 May 2025 14:04:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-02 19:47:52.986223
- Title: When Harry Meets Superman: The Role of The Interlocutor in Persona-Based Dialogue Generation
- Title（参考訳）: ハリーがスーパーマンと出会う : 対話生成におけるインターロケーターの役割
- Authors: Daniela Occhipinti, Marco Guerini, Malvina Nissim,
- Abstract要約: 対話エージェントにペルソナ情報を与えると、世代間の一貫性と多様性が著しく向上することが証明されている。
提供されるペルソナとの対話の整合性に多くの焦点が当てられているが、インターロケータのプロファイルへの適応性はいまだに未熟である。
本研究では,(1)モデルが提供したペルソナとインターロケータの両方と応答を一致させる能力,(2)慣れ親しんだインターロケータやトピックを扱う際の堅牢性,(3)特定のペルソナに基づく対話に対する追加の微調整の影響について検討する。
- 参考スコア（独自算出の注目度）: 18.650805984660707
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Endowing dialogue agents with persona information has proven to significantly improve the consistency and diversity of their generations. While much focus has been placed on aligning dialogues with provided personas, the adaptation to the interlocutor's profile remains largely underexplored. In this work, we investigate three key aspects: (1) a model's ability to align responses with both the provided persona and the interlocutor's; (2) its robustness when dealing with familiar versus unfamiliar interlocutors and topics, and (3) the impact of additional fine-tuning on specific persona-based dialogues. We evaluate dialogues generated with diverse speaker pairings and topics, framing the evaluation as an author identification task and employing both LLM-as-a-judge and human evaluations. By systematically masking or disclosing information about the interlocutor, we assess its impact on dialogue generation. Results show that access to the interlocutor's persona improves the recognition of the target speaker, while masking it does the opposite. Although models generalise well across topics, they struggle with unfamiliar interlocutors. Finally, we found that in zero-shot settings, LLMs often copy biographical details, facilitating identification but trivialising the task.
- Abstract（参考訳）: 対話エージェントにペルソナ情報を与えると、世代間の一貫性と多様性が著しく向上することが証明されている。
提供されるペルソナとの対話の整合性に多くの焦点が当てられているが、インターロケータのプロファイルへの適応性はいまだに未熟である。
本研究では,(1)モデルが提供したペルソナとインターロケータの両方に応答する能力,(2)慣れ親しんだインターロケータやトピックを扱う際の頑健さ,(3)特定のペルソナに基づく対話に対する追加の微調整の影響について検討する。
多様な話者ペアリングとトピックによって生成された対話を評価し,著者識別タスクとしての評価をフレーミングし,LLM-as-a-judgeと人間評価を併用した。
インターロケータに関する情報をシステマティックにマスキングまたは開示することにより,対話生成への影響を評価する。
その結果,対話者のペルソナへのアクセスにより,ターゲット話者の認識が向上し,マスキングでは反対になることがわかった。
モデルはトピック全体にわたってよく一般化するが、馴染みの無いインターロケータと戦っている。
最後に、ゼロショット設定では、LLMは、しばしば伝記の詳細をコピーし、識別を容易にするが、タスクを自明にする。
関連論文リスト
- 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) - Exploring Persona Sentiment Sensitivity in Personalized Dialogue Generation [4.438698005789677]
偏極化ユーザプロファイルを用いてダイアログを大規模に解析する。
否定的な偏極性を持つユーザを含む対話はペルソナ属性を過度に強調する傾向にあり,それによってエンエンテイメントや矛盾する事例が増加することが判明した。
本稿では,旋回型生成戦略とプロファイル順序付け機構を組み合わせた対話生成手法を提案する。
論文 参考訳（メタデータ） (2025-02-17T04:36:53Z) - MPCHAT: Towards Multimodal Persona-Grounded Conversation [54.800425322314105]
我々はペルソナに基づく対話をマルチモーダル領域に拡張し、2つの主要な貢献をする。
まず,MPCHATという対話データセットを提案する。
第2に,マルチモーダル・ペルソナを組み込んだ多モーダル・ペルソナの対話タスクが,統計的に有意な性能向上をもたらすことを実証的に示す。
論文 参考訳（メタデータ） (2023-05-27T06:46:42Z) - Speaker Profiling in Multiparty Conversations [31.518453682472575]
本研究では,会話における話者プロファイリング(SPC)の課題について検討する。
SPCの主な目的は、対話に存在する各話者について、ペルソナの特徴の要約を作成することである。
SPCの課題に対処するため、私たちはSPICEという名前の新しいデータセットをキュレートしました。
論文 参考訳（メタデータ） (2023-04-18T08:04:46Z) - A Benchmark for Understanding and Generating Dialogue between Characters
in Stories [75.29466820496913]
本研究は,機械が物語の対話を理解・生成できるかどうかを探求する最初の研究である。
マスク付き対話生成と対話話者認識という2つの新しいタスクを提案する。
DialStoryの自動評価と手動評価で既存のモデルをテストすることで,提案課題の難しさを示す。
論文 参考訳（メタデータ） (2022-09-18T10:19:04Z) - Less is More: Learning to Refine Dialogue History for Personalized
Dialogue Generation [57.73547958927826]
我々は,対話履歴をより多く処理し,より正確なペルソナ情報を得ることのできる,ユーザ対話履歴を大規模に洗練することを提案する。
具体的には、3つの個人情報精算器とパーソナライズされた応答生成器で構成されるMSPモデルを設計する。
論文 参考訳（メタデータ） (2022-04-18T02:02:56Z) - Know Deeper: Knowledge-Conversation Cyclic Utilization Mechanism for
Open-domain Dialogue Generation [11.72386584395626]
エンドツーエンドのインテリジェントなニューラルダイアログシステムは、一貫性のない繰り返し応答を生成する問題に悩まされる。
既存の対話モデルは、対人関係の会話情報を対人情報の流れとして捉えた個人知識に組み込むことが、その後の会話の質を高めるという事実を無視しながら、対人関係の個人知識を一方的にダイアログに組み込むことに注意を払っている。
会話の一貫性を向上し、2つの折り畳みから繰り返しを緩和することを目的とした,会話適応型多視点対応対応型応答生成モデルを提案する。
論文 参考訳（メタデータ） (2021-07-16T08:59:06Z) - Dialogue History Matters! Personalized Response Selectionin Multi-turn
Retrieval-based Chatbots [62.295373408415365]
本稿では,コンテキスト応答マッチングのためのパーソナライズドハイブリッドマッチングネットワーク(phmn)を提案する。
1) ユーザ固有の対話履歴からパーソナライズされた発話行動を付加的なマッチング情報として抽出する。
ユーザ識別による2つの大規模データセット,すなわちパーソナライズされた対話 Corpus Ubuntu (P-Ubuntu) とパーソナライズされたWeiboデータセット (P-Weibo) のモデルを評価する。
論文 参考訳（メタデータ） (2021-03-17T09:42:11Z) - You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。
そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
論文 参考訳（メタデータ） (2020-04-11T12:51:07Z)
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。