사용자 피드백은 대화 시스템 평가에 중요한 영향을 미치며, 크라우드워커와 LLM의 평가에 차이를 가져온다.
다양하고 심도 있으며 통찰력 있는 지시를 생성하기 위해 실제 대화에서 추출한 고수준 지시 전략을 새로운 대화 시나리오에 적용한다.
Apollonion은 사용자 프로필을 활용하여 개인화된 대화 서비스를 제공하는 프레임워크입니다.
대화 참여자 간 언어적 동기화는 대화의 자연스러움과 성공에 기여하지만, 대부분의 대화 시스템에는 이를 위한 기능이 없다. 본 연구에서는 GPT-2 기반 종단 간 과업 지향 대화 시스템에서 공유 어휘 활용을 통해 언어적 동기화를 달성하는 방법을 제안한다.
대화 참여자의 주도권 정보를 활용하여 적절한 응답을 생성하는 모델을 제안한다. 제안된 모델은 주도권 정보를 별도의 접두사 매개변수로 분리하여 관리하며, 동적으로 주도권을 고려하여 응답을 생성한다.
Dial-MAE는 대화 문맥 임베딩을 사용하여 응답을 생성함으로써 대화 문맥과 응답 간의 특징 정렬을 달성하는 새로운 사후 학습 방법이다.
대화 참여자들이 공유하는 정보에 대한 이해를 구축하는 것이 대화 시스템의 신뢰성 있는 작동에 필수적이다.
대화 응답 생성 모델의 모순 응답을 효과적으로 완화하기 위해서는 대규모의 모순 응답 데이터가 필요하다. 이 연구에서는 처음으로 다양한 대화 응답 생성 모델의 모순 응답을 대규모로 수집하고, 이를 분석하여 모순 응답의 특성을 파악하였다. 또한 이 데이터셋을 활용하여 모순 응답 탐지 성능을 크게 향상시킬 수 있음을 보였다.
대화 시스템의 모순 응답 생성을 완화하기 위해서는 대규모의 모순 응답 데이터가 필요하다. 이를 통해 모순 응답의 특성을 이해하고 데이터 기반 방법을 개선할 수 있다.
대화 시스템의 모순 응답 생성을 완화하기 위해서는 대규모의 모순 응답 데이터가 필요하다. 이를 통해 모순 응답의 특성을 이해하고 데이터 기반 모순 완화 기법을 향상시킬 수 있다.