Enhancing LLM-Based Human-Robot Interaction with Nuances for Diversity Awareness

要約

この論文では、大規模言語モデル (LLM) の機能を活用した、多様性を意識した自律的な会話のためのシステムを紹介します。
このシステムは、背景、性格、年齢、性別、文化などの要素を考慮して、多様な集団や個人に適応します。
会話フローはシステムの事前に確立された知識ベースの構造によってガイドされ、LLM には多様性を意識した文の生成などのさまざまな機能が割り当てられます。
多様性を認識するには、慎重に作成されたプロンプトをモデルに提供し、ユーザー、会話履歴、コンテキストの詳細、特定のガイドラインに関する包括的な情報を組み込む必要があります。
システムのパフォーマンスを評価するために、制御された実験と現実世界の両方の実験を実施し、幅広いパフォーマンス指標を測定しました。

要約(オリジナル)

This paper presents a system for diversity-aware autonomous conversation leveraging the capabilities of large language models (LLMs). The system adapts to diverse populations and individuals, considering factors like background, personality, age, gender, and culture. The conversation flow is guided by the structure of the system’s pre-established knowledge base, while LLMs are tasked with various functions, including generating diversity-aware sentences. Achieving diversity-awareness involves providing carefully crafted prompts to the models, incorporating comprehensive information about users, conversation history, contextual details, and specific guidelines. To assess the system’s performance, we conducted both controlled and real-world experiments, measuring a wide range of performance indicators.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google