A Reliable Common-Sense Reasoning Socialbot Built Using LLMs and Goal-Directed ASP

要約

GPT などの大規模言語モデル (LLM) の開発により、ChatGPT などのいくつかのソーシャルボットの構築が可能になり、人間の会話をシミュレートする機能で大きな注目を集めています。
ただし、会話は目標によって導かれるものではなく、コントロールするのが困難です。
さらに、LLM は演繹的推論よりもパターン認識に依存するため、混乱を招く回答をする可能性があり、複数のトピックを一貫した回答に統合することが困難です。
これらの制限により、LLM は会話を面白くするために本題から逸れることがよくあります。
私たちは、LLM モデルを使用して自然言語を述語に変換 (またはその逆) し、回答セット プログラミング (ASP) に基づく常識的な推論を使用して人間との社会的会話を行うソーシャルボットである AutoCompanion を提案します。
特に、バックエンドとして ASP の目標指向実装である s(CASP) に依存しています。
このペーパーでは、フレームワークの設計と、LLM を使用してユーザー メッセージを解析し、s(CASP) エンジン出力から応答を生成する方法について説明します。
私たちの提案を検証するために、チャットボットの目標は映画や本について話してユーザーを楽しませることであり、s(CASP) は (i) 回答の正確さ、(ii) 一貫性 (および精度) を保証する (実際の) 会話を説明します。
会話中、特定の目的を達成するために動的に調整され、(iii) 主要なトピックから逸​​脱しない。

要約(オリジナル)

The development of large language models (LLMs), such as GPT, has enabled the construction of several socialbots, like ChatGPT, that are receiving a lot of attention for their ability to simulate a human conversation. However, the conversation is not guided by a goal and is hard to control. In addition, because LLMs rely more on pattern recognition than deductive reasoning, they can give confusing answers and have difficulty integrating multiple topics into a cohesive response. These limitations often lead the LLM to deviate from the main topic to keep the conversation interesting. We propose AutoCompanion, a socialbot that uses an LLM model to translate natural language into predicates (and vice versa) and employs commonsense reasoning based on Answer Set Programming (ASP) to hold a social conversation with a human. In particular, we rely on s(CASP), a goal-directed implementation of ASP as the backend. This paper presents the framework design and how an LLM is used to parse user messages and generate a response from the s(CASP) engine output. To validate our proposal, we describe (real) conversations in which the chatbot’s goal is to keep the user entertained by talking about movies and books, and s(CASP) ensures (i) correctness of answers, (ii) coherence (and precision) during the conversation, which it dynamically regulates to achieve its specific purpose, and (iii) no deviation from the main topic.

arxiv情報

著者 Yankai Zeng,Abhiramon Rajashekharan,Kinjal Basu,Huaduo Wang,Joaquín Arias,Gopal Gupta
発行日 2024-07-26 04:13:43+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CL, cs.LO パーマリンク