BP4ER: Bootstrap Prompting for Explicit Reasoning in Medical Dialogue Generation

医疗对话生成（MDG）因其实际价值而受到越来越多的关注。以往的研究通常采用序列到序列的框架，通过将对话上下文建模为带有注释医学实体的序列文本来生成医疗响应。虽然这些方法在生成流畅的响应方面取得了成功，但它们未能提供推理的过程解释，并需要大量的实体注释。为了解决这些限制，我们提出了一种方法，即MDG中显式推理的引导式启动（BP4ER），该方法明确地建模MDG的多步推理过程，并迭代地增强这个推理过程。我们采用从最简单到最复杂的提示策略，指导一个大型语言模型（LLM）进行显式推理，将MDG分解为更简单的子问题。这些子问题建立在先前问题的答案之上。此外，我们还引入了两种不同的引导式启动技术，用于自动纠正错误并促进LLM的显式推理。这种方法消除了实体注释的需要，并通过明确生成中间推理链来增加MDG过程的透明度。在两个公共数据集上的实验结果表明，BP4ER在客观和主观评估指标方面均优于现有技术。

本文旨在解决医学对话生成中缺乏透明度和需要大量实体注释的问题，提出了一种Bootstrap Prompting for Explicit Reasoning in MDG (BP4ER)的方法。

BP4ER方法采用逐步提示策略，将MDG拆分为简单的子问题，通过大型语言模型进行明确推理，并引入两种不同的引导技术来自动纠正错误和促进LLM的明确推理。

该方法消除了实体注释的需求，并通过明确生成中间推理链来提高MDG过程的透明度。实验结果表明，BP4ER在客观和主观评估指标方面均优于现有方法。

目前在医学对话生成领域中，已经有一些使用序列到序列框架的方法来生成医学响应，但是它们无法提供推理的过程解释，并需要大量实体注释。