语言:

• 英文 缩略图: 标签:
• 对话式人工智能
• 对话系统
• Facebook 许可证: Apache-2.0 数据集:
• 混合技能对话 评估指标:
• 困惑度

模型描述

• 论文: 构建开放域聊天机器人的配方
• 原始PARLAI代码

摘要

构建开放域聊天机器人是机器学习研究中的一个具有挑战性的领域。虽然先前的研究表明，通过增加神经模型的参数数量和训练数据规模可以获得更好的结果，但我们发现其他因素对于打造高性能聊天机器人同样至关重要。良好的对话需要融合多种技能：提供引人入胜的话题并倾听对方，既能提问也能回答，根据情境恰当地展现知识、同理心和个性。我们证明，当提供适当的训练数据和生成策略选择时，大规模模型能够掌握这些技能。我们构建了包含9000万、27亿和94亿参数的神经模型变体，并公开了模型和代码。人工评估显示，在多轮对话的吸引力和拟人性指标上，我们的最佳模型优于现有方法。最后，我们通过分析模型失败案例来讨论本研究的局限性。