Persona-SQ: A Personalized Suggested Question Generation Framework For Real-world Documents

要約

提案された質問 (SQ) は、ユーザーが AI を活用した読書アプリケーションでドキュメントを操作するための効果的な初期インターフェイスを提供します。
実際の読書セッションでは、ユーザーの背景や読書の目的は多様ですが、現在の SQ 機能は通常、そのようなユーザー情報を無視しており、その結果、均一な質問や非効果的な質問が生成されます。
読者のプロフィール (職業や読書目標) を組み込むことでパーソナライズされた SQ を生成するパイプラインを紹介し、その有用性を 2 つの方法で実証します。1) 現在のベースラインと比較して、より高品質でより多様な質問を生成する改良された SQ 生成パイプラインとして、および 2)
SQ 生成ではるかに大きなモデルと競合するパフォーマンスを発揮する非常に小さなモデルを微調整するためのデータ ジェネレーターとして使用します。
私たちのアプローチは、現在の SQ システムのパフォーマンスを即座に向上させるドロップイン代替品として機能するだけでなく、ローカルで実行して高速でプライベートな SQ エクスペリエンスを提供できるオンデバイス SQ モデルの開発にも役立ちます。

要約(オリジナル)

Suggested questions (SQs) provide an effective initial interface for users to engage with their documents in AI-powered reading applications. In practical reading sessions, users have diverse backgrounds and reading goals, yet current SQ features typically ignore such user information, resulting in homogeneous or ineffective questions. We introduce a pipeline that generates personalized SQs by incorporating reader profiles (professions and reading goals) and demonstrate its utility in two ways: 1) as an improved SQ generation pipeline that produces higher quality and more diverse questions compared to current baselines, and 2) as a data generator to fine-tune extremely small models that perform competitively with much larger models on SQ generation. Our approach can not only serve as a drop-in replacement in current SQ systems to immediately improve their performance but also help develop on-device SQ models that can run locally to deliver fast and private SQ experience.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google