PSYDIAL: Personality-based Synthetic Dialogue Generation using Large Language Models

我们提出了一种新颖的端到端基于个性化的合成对话数据生成流程，专门设计用于通过提示从大型语言模型中引出回应。我们设计提示以生成更加类似于人类对话的方式，考虑到用户与聊天机器人互动时的真实场景。我们介绍了PSYDIAL，这是第一个专注于基于个性化对话的韩语对话数据集，是使用我们提出的流程策划的。值得注意的是，我们的研究侧重于五大人格模型中的外向性维度。实验结果表明，虽然预训练模型和那些使用闲聊数据集进行微调的模型难以生成反映个性的回应，但是使用PSYDIAL训练的模型显示出了显著的改进。我们的流程的多功能性不仅限于对话任务，还为其他非对话相关的应用提供了潜力。这项研究为韩语和潜在的其他语言中更加细致、以个性为驱动的会话型AI打开了大门。我们的代码公开在https://github.com/jiSilverH/psydial。

本论文旨在通过提出一种新的端到端人格驱动的对话数据生成流程，以解决大型语言模型在对话任务中无法生成具有个性化特征的回复的问题，并且提出了一个新的韩语对话数据集。

论文提出了一种基于个性化特征的对话生成流程，针对大型语言模型在对话任务中无法生成具有个性化特征的回复的问题，通过设计合适的提示语来生成更加人性化的对话。在研究中，作者关注了大五人格模型中的外向性维度。实验结果表明，使用PSYDIAL数据集训练的模型比使用聊天数据集微调的模型更能够生成具有个性化特征的回复。

本文提出了一种新的端到端人格驱动的对话数据生成流程，该流程不仅可以用于对话任务，还可以应用于其他非对话任务。作者提出的韩语对话数据集PSYDIAL是第一个专注于个性化对话的韩语数据集。作者还公开了代码。本文的研究为韩语和其他语言中更加细致、个性化的对话AI提供了可能。

在这个领域中，最近的相关研究包括：1.《A Persona-Based Neural Conversation Model》；2.《A Survey on Dialogue Systems: Recent Advances and New Frontiers》；3.《Building End-to-End Dialogue Systems Using Generative Hierarchical Neural Network Models》等。