Let AI Entertain You: Increasing User Engagement with Generative AI and Rejection Sampling

尽管生成式人工智能在内容生成方面表现出色，但并不总是增加用户参与度。这可以归因于两个主要因素。首先，生成式人工智能在生成内容时未考虑用户交互的显式或隐式反馈。即使生成的内容似乎更具信息量或更好地撰写，也不一定会导致用户活动的增加，如点击。其次，人们担心生成式人工智能产生的内容质量，通常缺乏人类创造的内容所具有的独特性和真实性。这两个因素可能导致内容未能满足用户的特定需求和偏好，最终降低其吸引力。 本文提出了一个通用的框架，通过利用用户反馈来提高生成式人工智能的用户参与度。我们的解决方案采用了强化学习中使用的拒绝抽样技术，以提高参与度指标。我们将该框架应用于在线社交网络的电子邮件通知主题行生成中，并实现了显著的参与度指标提升，包括+1％的会话和+0.4％的每周活跃用户。我们相信我们的工作提供了一个通用的框架，可以增强生成式人工智能的用户参与度，特别是当标准的生成式人工智能在提高内容吸引力方面达到极限时。据我们所知，这代表了该行业成功使用生成式人工智能增强用户参与度的早期里程碑。

如何通过利用用户反馈来提高生成型人工智能的用户参与度？

利用拒绝抽样技术来生成更符合用户偏好的内容，从而提高用户参与度。

论文在在线社交网络的邮件通知主题行生成中应用了该框架，并取得了显著的用户参与度提升，包括+1%会话和+0.4%每周活跃用户。此外，该框架具有通用性，可在生成型人工智能的各个领域中使用。

最近的相关研究包括：1.《使用深度学习来生成文本》；2.《使用强化学习来优化生成型人工智能的内容》；3.《利用用户反馈来提高推荐系统的效果》等。