論文の概要: Persona-Aware Alignment Framework for Personalized Dialogue Generation

• arxiv url: http://arxiv.org/abs/2511.10215v1
• Date: Fri, 14 Nov 2025 01:39:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-14 22:53:22.751575
• Title: Persona-Aware Alignment Framework for Personalized Dialogue Generation
• Title（参考訳）: パーソナライズされた対話生成のためのペルソナ対応アライメントフレームワーク
• Authors: Guanrong Li, Xinyu Liu, Zhen Wu, Xinyu Dai,
• Abstract要約: 本稿では,対話生成のトレーニング目的としてペルソナアライメントを扱うPAL(Persona-Aware Alignment Framework)を提案する。 PALは、ペルソナ認識学習とペルソナアライメントを含む2段階のトレーニング手法を採用し、簡単に使える推論戦略Selectを使用して生成する。 我々のフレームワークは、多くの最先端のパーソナライズされた対話手法や大規模言語モデルよりも優れていることを実証する。
• 参考スコア（独自算出の注目度）: 22.612334742745492
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Personalized dialogue generation aims to leverage persona profiles and dialogue history to generate persona-relevant and consistent responses. Mainstream models typically rely on token-level language model training with persona dialogue data, such as Next Token Prediction, to implicitly achieve personalization, making these methods tend to neglect the given personas and generate generic responses. To address this issue, we propose a novel Persona-Aware Alignment Framework (PAL), which directly treats persona alignment as the training objective of dialogue generation. Specifically, PAL employs a two-stage training method including Persona-aware Learning and Persona Alignment, equipped with an easy-to-use inference strategy Select then Generate, to improve persona sensitivity and generate more persona-relevant responses at the semantics level. Through extensive experiments, we demonstrate that our framework outperforms many state-of-the-art personalized dialogue methods and large language models.
• Abstract（参考訳）: パーソナライズされた対話生成は、ペルソナプロファイルと対話履歴を活用して、ペルソナ関連で一貫した応答を生成することを目的としている。 主流モデルは一般的に、暗黙的にパーソナライゼーションを達成するために、Next Token Predictionのようなペルソナ対話データを用いたトークンレベルの言語モデルトレーニングに依存しており、これらの手法は与えられたペルソナを無視し、一般的な応答を生成する傾向がある。 この問題に対処するために,対話生成のトレーニング目的としてペルソナアライメントを直接扱う新しいペルソナ・アライメント・フレームワーク(PAL)を提案する。 具体的には、PALはペルソナ認識学習とペルソナアライメントを含む2段階の訓練手法を用いて、簡単に使える推論戦略Select then Generateを備え、ペルソナの感度を改善し、セマンティクスレベルでよりペルソナ関連応答を生成する。 大規模な実験を通じて、我々のフレームワークは、多くの最先端のパーソナライズされた対話手法や大規模言語モデルよりも優れていることを示した。

関連論文リスト

• Aligning Spoken Dialogue Models from User Interactions [55.192134724622235]
  本稿では,ユーザの対話からリアルタイム会話における音声対話モデルを改善するための新しい嗜好アライメントフレームワークを提案する。 AIフィードバックを付加した生のマルチターン音声会話から15万以上の好みペアのデータセットを作成する。 本研究は, 自然なリアルタイム音声対話システムにおいて重要な, 様々な力学におけるバランスの整合性の重要性を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-06-26T16:45:20Z)
• From Persona to Person: Enhancing the Naturalness with Multiple Discourse Relations Graph Learning in Personalized Dialogue Generation [11.442761234901289]
  パーソナライズされた対話生成のためのMUDI(textbfMu$ltiple $textbfDi$scourse Relations Graph Learning)を提案する。 本研究では,対話関係のアノテートを支援し,対話データを構造化された対話グラフに変換するために,大規模言語モデルを利用する。 本実験は,人間に似た対話交換に類似した,パーソナライズされた応答の質の向上を示す。
  論文  参考訳（メタデータ） (2025-06-13T08:12:52Z)
• Dialogue Language Model with Large-Scale Persona Data Engineering [10.160626284195434]
  PPDSはオープンドメインのペルソナ対話システムであり、ペルソナの一貫性を高めるためにペルソナ対話データセットに広範囲な生成前トレーニングを利用する。 本研究では,自律的かつ高精度な対話データセット生成を目的としたペルソナ抽出モデルを提案する。 また、構築されたデータセットに固有の無効なペルソナバイアスに対処するために、先駆的なペルソナ拡張手法を公表した。
  論文  参考訳（メタデータ） (2024-12-12T07:49:06Z)
• Dialogue Action Tokens: Steering Language Models in Goal-Directed Dialogue with a Multi-Turn Planner [51.77263363285369]
  本稿では,対話行動トークンと呼ばれる言語モデルエージェントを用いて,目標指向の対話を計画する手法を提案する。 中心となる考え方は、各発話をアクションとして扱うことで、強化学習のような既存のアプローチを適用することができるゲームに対話を変換することである。
  論文  参考訳（メタデータ） (2024-06-17T18:01:32Z)
• Personalized Language Modeling from Personalized Human Feedback [45.16986573937782]
  パーソナライズされた大規模言語モデル(LLM)は、個々のユーザの好みに応答するように設計されている。 個人の好みを捉えるために軽量なユーザモデルを利用する効率的なフレームワークであるPersonalized-RLHFを提案する。 P-RLHF を用いて学習したパーソナライズされた LLM は,個々のユーザの好みとより密に一致した応答を生成する。
  論文  参考訳（メタデータ） (2024-02-06T04:18:58Z)
• Using Natural Language Inference to Improve Persona Extraction from Dialogue in a New Domain [44.05974724495336]
  訓練されたペルソナ抽出モデルを新しい環境に適応させる自然言語推論手法を提案する。 提案手法は高品質な抽出ペルソナを返却し,人間のアノテーションを少なくする。
  論文  参考訳（メタデータ） (2024-01-12T18:25:03Z)
• 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)
• Learning to Predict Persona Information forDialogue Personalization without Explicit Persona Description [10.17868476063421]
  対話エージェントをパーソナライズするために,対話履歴に基づいてペルソナ情報を予測する方法を提案する。 PersonaChatデータセットの実験結果から,提案手法は生成した応答の一貫性を向上させることができることがわかった。 トレーニングされたペルソナ予測モデルは、他のデータセットにうまく転送することができ、より関連するレスポンスを生成するのに役立つ。
  論文  参考訳（メタデータ） (2021-11-30T03:19:24Z)
• Will I Sound Like Me? Improving Persona Consistency in Dialogues through Pragmatic Self-Consciousness [62.55060760615656]
  一貫性に対処する最近のモデルは、しばしば追加の自然言語推論(NLI)ラベルでトレーニングするか、あるいは一貫性を維持するためにトレーニングされた追加モジュールを生成エージェントにアタッチする。 社会的認知と実用性に触発されて、私たちは既存の対話エージェントに、想像上のリスナーを通して、公的な自己意識を持たせました。 我々のアプローチは、Rational Speech Actsフレームワークに基づいて、会話エージェントに矛盾の発声を控えるように強制することができる。
  論文  参考訳（メタデータ） (2020-04-13T08:16:16Z)
• A Neural Topical Expansion Framework for Unstructured Persona-oriented Dialogue Generation [52.743311026230714]
  Persona Exploration and Exploitation (PEE)は、事前に定義されたユーザペルソナ記述を意味論的に相関したコンテンツで拡張することができる。 PEEはペルソナ探索とペルソナ搾取という2つの主要なモジュールで構成されている。 提案手法は, 自動評価と人的評価の両面で, 最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-02-06T08:24:33Z)

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。