缩略图: >- https://images-ext-2.discordapp.net/external/Wvtx1L98EbA7DR2lpZPbDxDuO4qmKt03nZygATZtXgk/%3Fsize%3D4096/https/cdn.discordapp.com/avatars/931226824753700934/338a9e413bbceaeb9095a29e97d4fac0.png 标签:

• 对话式 许可证: mit 管道标签: 对话式 指标:
• 准确率
• F1分数
• 困惑度 数据集:
• 混合技能对话

Aeona | 聊天机器人

一款基于microsoft/DialoGPT-small开发的生成式人工智能。

建议与AIML聊天机器人配合使用，以减轻负载、获得更佳回复，并为机器人添加名称和个性。使用AIML聊天机器人还能实现部分硬编码回复。

AEONA

Aeona是一款旨在像朋友一样与人类交流的聊天机器人！其主要目标平台是Discord。您可以通过此链接邀请机器人。

想了解更多项目详情或与AI聊天，可访问此网站。

Aeona通过分析历史消息上下文，推测对话者的个性特征，并动态调整自身个性以实现更自然的交流。

参与帮助AI改进或加入讨论，请访问hugging face讨论区

目标

打造一个与AIML协同工作、拟人程度最高的人工智能。

为何不单独使用AI？

现实中AI难以实现用户数据的学习存储，而AIML甚至能执行代码！本AI的定位是在AIML失效时生成补充回复。

因此目标转变为：在保持最小体积的同时，构建知识面最广的AI。我们采用三个数据集：

1. 电影台词 促使生成更深思熟虑的回复（约20万条）
2. Discord消息 涵盖广泛话题（约1.2亿条）
3. 个人消息爬取数据集 针对性训练避免高频道歉

训练

Discord数据集规模远超其他，通过数据集循环训练实现优势互补。

AI具备6条消息的上下文记忆，最多可追溯用户第4条消息。示例

Hugging Face交互建议

建议提交：用户当前输入 + 最近3轮对话记录。过多上下文会导致无效回复，过少则可能回复随机。

评估

以下是Aeona与其他基线模型在混合数据集上的自动评估指标对比：

使用示例

from transformers import AutoTokenizer, AutoModelWithLMHead
  
tokenizer = AutoTokenizer.from_pretrained("deepparag/Aeona")
model = AutoModelWithLMHead.from_pretrained("deepparag/Aeona")
# 进行4轮对话
for step in range(4):
    # 编码用户输入并添加结束符
    new_user_input_ids = tokenizer.encode(input(">> 用户:") + tokenizer.eos_token, return_tensors='pt')
    # 将新输入添加到对话历史
    bot_input_ids = torch.cat([chat_history_ids, new_user_input_ids], dim=-1) if step > 0 else new_user_input_ids
    # 生成回复（限制总长度200字符）
    chat_history_ids = model.generate(
        bot_input_ids, max_length=200,
        pad_token_id=tokenizer.eos_token_id,  
        no_repeat_ngram_size=4,       
        do_sample=True, 
        top_k=100, 
        top_p=0.7,
        temperature=0.8
    )
    
    # 输出AI回复
    print("Aeona: {}".format(tokenizer.decode(chat_history_ids[:, bot_input_ids.shape[-1]:][0], skip_special_tokens=True)))