本稿では、パーソナライズされた対話データが限られている状況下で、一貫性理解を応答生成の正則化と捉えることで、効果的な個別化対話生成モデルを学習する新しいスタック伝搬フレームワークを提案する。
In-Dialogue Learning（IDL）は、事前定義されたプロファイルなしで、対話履歴を活用してパーソナ情報を学習し、個別化された対話生成タスクを完了する能力を向上させるフレームワークです。
