Proactive User Information Acquisition via Chats on User-Favored Topics

要約

最新のニュースの共有や高齢者の虚弱の防止など、具体的な利点を提供するように設計されたチャット指向のダイアログシステムは、多くの場合、ユーザーファイアーなトピック（Pivot）のチャットを介して特定のユーザー情報を積極的に取得する必要があります。
この研究では、これらのシステムの技術的基盤を前進させるように設計されたピボットタスクを提案しています。
このタスクでは、システムは、事前に定義されたトピックでチャットに関与しながら、ユーザーを突然感じさせることなく、事前定義された質問に対するユーザーの回答を取得する必要があります。
最近の大規模な言語モデル（LLMS）でさえ、ピボットタスクで成功率が低いことがわかりました。
より効果的なシステムを開発するために、分析に適したデータセットを構築しました。
最後に、このデータセットの分析を通じて得られた洞察を組み込むことにより、このタスクのシンプルだが効果的なシステムを開発しました。

要約(オリジナル)

Chat-oriented dialogue systems designed to provide tangible benefits, such as sharing the latest news or preventing frailty in senior citizens, often require Proactive acquisition of specific user Information via chats on user-faVOred Topics (PIVOT). This study proposes the PIVOT task, designed to advance the technical foundation for these systems. In this task, a system needs to acquire the answers of a user to predefined questions without making the user feel abrupt while engaging in a chat on a predefined topic. We found that even recent large language models (LLMs) show a low success rate in the PIVOT task. We constructed a dataset suitable for the analysis to develop more effective systems. Finally, we developed a simple but effective system for this task by incorporating insights obtained through the analysis of this dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google